محققان در مقالهای جدید، متد نوآورانهای به نام «FSE» برای بهبود یادگیری مداوم در مدلهای تشخیص موجودیتهای نامدار (NER) معرفی کردهاند.
مشکل اصلی در مدلهای فعلی، «فراموشی فاجعهبار» (Catastrophic Forgetting) است؛ یعنی مدل با یادگیری دادههای جدید، اطلاعات قبلی را از دست میدهد. متد FSE با استفاده از ساختار «متخصصان سریع-کند» (Fast-Slow Experts) به مدل اجازه میدهد بدون فراموش کردن دانش پیشین، مفاهیم جدید را به راحتی یاد بگیرد.
این رویکرد باعث پایداری بیشتر مدل و افزایش چشمگیر دقت در تشخیص موجودیتها شده و گام مهمی در هوشمندتر شدن سیستمهای پردازش زبان طبیعی (NLP) محسوب میشود.
منبع: arXiv AI