ما استدلال هوش مصنوعی را اشتباه کرده ایم. در اینجا نحوه رفع آن آورده شده است.

نویسنده (ها): کاوشیک راجان

در ابتدا منتشر شده در به سمت هوش مصنوعیبشر

یک مقاله تحقیقاتی جدید نشان می دهد که چگونه می توانیم مدل های زبان را آموزش دهیم در واقع فکر کنید ، نه فقط جواب درست را حدس بزنید.

یک دانش آموز ریاضی را تصور کنید که به طور مداوم هر آزمون را انجام می دهد. شما تحت تأثیر قرار گرفتید اما یک روز ، شما به بالای شانه آنها نگاه می کنید و می دانید که آنها از یک روش عجیب و ناقص برای حل مشکلات استفاده می کنند. آنها در حال دریافت پاسخ های درست هستند ، اما به دلایل اشتباه. این فقط یک تصادف است که منطق شکسته آنها نتایج صحیحی را برای این سؤالات خاص تولید می کند.

در این مقاله یک مقاله تحقیقاتی جدید از مایکروسافت و دانشگاه پکن بحث شده است که اقدامات فعلی توانایی استدلال هوش مصنوعی ، به ویژه متریک “Pass@K” را نقد می کند. محققان یک روش جدید به نام یادگیری تقویت را با پاداش های قابل تأیید (RLVR) پیشنهاد می کنند ، که بر آموزش سیستم های هوش مصنوعی برای استدلال صحیح تأکید می کند ، به جای اینکه فقط پاسخ ها را حدس بزنید. آنها متریک “cot-pass@k” را معرفی می کنند ، که نه تنها صحت پاسخ ها بلکه صدای منطقی مراحل منتهی به آن پاسخ ها را ارزیابی می کند. از طریق آزمایش تجربی ، نویسندگان نشان می دهند که این روشهای ارزیابی جدید عملکرد قابل توجهی را در استدلال هوش مصنوعی بهبود می بخشد و پیامدهای ایجاد سیستم های AI قابل اعتماد تر را قادر به استدلال منطقی در برنامه های دنیای واقعی می کند.

وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر

منتشر شده از طریق به سمت هوش مصنوعی