یکی از چالشهای بزرگ در توسعه مدلهای هوش مصنوعی، «فراموشی فاجعهبار» (Catastrophic Forgetting) است؛ جایی که مدل با یادگیریِ وظایف جدید، دانشهای قبلی خود را از دست میدهد.
محققان در مقاله جدیدی، فریمورک «SiGMA» را معرفی کردهاند که با استفاده از تکنیک «تطبیقِ هدایتشده توسط علامت» (Sign-Guided)، تداخل منفی بین یادگیریِ وظایف مختلف را به حداقل میرساند. این روش به مدل کمک میکند تا بدون آسیب زدن به دانشهای پیشین، همزمان چندین مهارت جدید را با دقت بالا فرا بگیرد.
این پیشرفت گامی بزرگ برای رسیدن به مدلهای چندوجهیِ کارآمدتر در دنیای واقعی است. 🧠✨
منبع: arXiv AI