محققان روش جدیدی به نام HG-CRC معرفی کردهاند که به مدلهای هوش مصنوعی (مانند Llama 3.1 و Qwen3) کمک میکند تا هنگام مواجهه با کاربران مختلف (با فرهنگها، سبکهای زبانی و نیازهای متفاوت)، خطاهای سیستمی خود را کاهش دهند.
در مدلهای فعلی، گاهی مدلها در حالی که میانگین خطای کلی را پایین نگه میدارند، برای گروههای خاصی از کاربران عملکرد ضعیفی دارند. روش HG-CRC با تنظیمات سلسلهمراتبی، تضمین میکند که «ریسک خطا» برای تمام زیرگروهها تحت کنترل باشد و بدون نیاز به آموزش مجدد (Retraining)، خروجی دقیقتر و قابلاعتمادتری ارائه دهد. این یک گام مهم برای ایجاد عدالت در عملکرد مدلهای هوش مصنوعی برای جوامع متنوع است.
منبع: arXiv AI