محققان در مقالهای تازه، معماری جدیدی به نام «Fast-Slow Latent Recurrence» را معرفی کردهاند که انقلابی در نحوه مدیریت حافظه توسط مدلهای هوش مصنوعی ایجاد میکند.
این مدل با استفاده از وضعیتهای پنهانِ پایدار، به جای بازنشانی حافظه در هر مرحله، میتواند توالیهای طولانی را بسیار بهتر از مدلهای ترنسفورمر و RNN معمولی پردازش کند. این پیشرفت به ویژه برای ایجنتهای هوش مصنوعی که نیاز به یادگیری در محیطهای متغیر و طولانیمدت دارند (مثل رباتهای ناوبری یا تصمیمگیرنده) بسیار کلیدی است.
به زبان ساده: این یعنی هوش مصنوعی حالا میتواند با حافظه کمتر، طولانیتر فکر کند و در سناریوهایی که تا پیش از این «فراموشکار» بود، عملکرد خیرهکنندهای داشته باشد.
منبع: arXiv AI