Új AI-módszer osztja el adaptívan a számítási kapacitást — jobb eredményekkel
A keretrendszer a tesztidőben alakítja a generálási folyamatot és a számítási erőforrások elosztását, így a modellek hatékonyabban oldhatják meg a komplex feladatokat.
Új adaptív számítási keretrendszert mutatott be egy kutatócsoport, amely a mesterséges intelligencia modellek teljesítményét javíthatja azáltal, hogy a tesztidőben dinamikusan allokálja az erőforrásokat — derül ki az arXiv előnyomtatott tanulmányából.
A kutatócsoport kísérletei során a tesztkészletből azonosították az egyszerűbb lekérdezéseket, és egy kezdeti kérdés-válasz párból álló készletet állítottak össze.
A számítási kapacitás dinamikus elosztása
Az új keretrendszer két fő fázisból áll. Az első egy bemelegítő fázis, amelynek során a rendszer azonosítja az egyszerűbb lekérdezéseket, és egy kezdeti kérdés-válasz párból álló készletet állít össze a tesztkészletből. Ez a lépés segít felmérni a feladatok komplexitását.
Ezt követi az adaptív fázis, amely a még meg nem oldott, nehezebb lekérdezésekre koncentrálja a további számítási kapacitást. Eközben a generálási eloszlásokat is átalakítja, folyamatosan fejlődő in-context demonstrációk segítségével.
Adaptív tanulás a jobb eredmények érdekében
A kutatók szerint a módszer jelentősen felülmúlja a meglévő alapvonalakat matematikai, kódolási és érvelési feladatokban. Az arXiv:2604.21018v1 számú előnyomtatott tanulmány részletesen bemutatja a kísérleti eredményeket, amelyek 2024. március 15-én kerültek publikálásra.