نویسنده(های): دکتر علا فلکی
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
این سری از پست ها برای ارائه جدیدترین یافته ها و پیشرفت ها در این زمینه طراحی شده است NLP زمینه من هر ماه به چهار مقاله تحقیقاتی مهم می پردازم و یک خلاصه جامع ارائه می کنم. حتماً به طور منظم از وبلاگ من بازدید کنید یا در وبلاگ من مشترک شوید خبرنامه برای به روز رسانی ماهانه بیایید شیرجه بزنیم!
همچنین، در اینجا به یک 2025 شگفت انگیز است! (فقط کمی زود!)
📝 Large Language Monkeys: Scaling Inference Compute with Repeated Sampling [paper]
این مقاله مقیاس گذاری زمان استنتاج را به عنوان بعد دیگری برای مقیاس بندی پیشنهاد می کند NLP مدل ها آنها پیشنهاد می کنند که با استفاده از LLM تولید تنها یک نمونه چون پاسخ بی اثر است. موفقیت نمونه گیری مکرر به دو عامل کلیدی بستگی دارد: پوشش و دقت. پوشش به این موضوع اشاره می‌کند که با گرفتن نمونه‌های بیشتری می‌توانیم چند مشکل را حل کنیم، در حالی که دقت بر روی این موضوع تمرکز دارد که آیا می‌توانیم پاسخ صحیح را از مجموعه نمونه‌های تولید شده دقیقاً انتخاب کنیم یا خیر.
یکی از چالش های باز، داشتن یک ارزیابی خودکار برای اندازه گیری میزان موفقیت است. روشی مانند آزمون واحد برای یافتن یک نمونه صحیح از مجموعه ای از داوطلبان مفید است، اما وظایفی مانند مسائل ریاضی وجود دارد که ما راه درستی برای آنها نداریم… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی
منبع: https://towardsai.net/p/l/month-in-4-papers-december-2024