یکی از چالشهای بزرگ در مدلهای هوش مصنوعی، خطای موجود در دادههای آموزشی یا «نویز» است که باعث میشود مدلها تصمیمات اشتباه بگیرند. محققان به تازگی چارچوبی به نام Robust Conformalized Selection (RCS) ارائه کردهاند که با استفاده از آمار پیشرفته، به مدل اجازه میدهد حتی با وجود دادههای آلوده و نویزی، همچنان با دقت بالا بهترین نتایج را انتخاب کند.
این روش کاربردهای گستردهای از کشف دارو گرفته تا همراستا سازی مدلهای زبانی بزرگ (LLM) دارد و تضمین میکند که خروجیهای مدل قابلاعتمادتر باشند. ✨
منبع: arXiv Machine Learning