🚀 پرده‌برداری از قانون مقیاس‌گذاری یادگیری در دنیای واقعی: معرفی EdgeBench

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

محققان در یک پژوهش جذاب، سراغ بررسی نحوه یادگیری مدل‌های هوش مصنوعی در محیط‌های واقعی پس از استقرار رفتند. آن‌ها با تحلیل ۳۸ هزار ساعت تعامل ایجنت‌ها (Agents) با محیط، متوجه شدند که سرعت یادگیری این مدل‌ها به‌طور شگفت‌انگیزی هر سه ماه دوبرابر می‌شود! 📈

این تیم برای رسیدن به این نتایج، بنچمارک جدیدی به نام EdgeBench را با ۱۳۴ تسک پیچیده (از مهندسی نرم‌افزار گرفته تا کشفیات علمی) معرفی کرده‌اند که می‌تواند درک ما از عملکرد بلندمدت ایجنت‌های هوشمند را متحول کند. بخشی از این تسک‌ها برای تحقیقات بیشتر به صورت عمومی منتشر شده است.

منبع: arXiv Machine Learning