طريقة MASS من Sakana AI لتحسين أداء نماذج الذكاء الاصطناعي

طورت شركة Sakana AI طريقة MASS التي تتيح لنموذج لغوي تحسين أدائه من خلال حل المهام وتقييم النتائج. بعد جولتين من التدريب، حقق النموذج معدل نجاح يقارب 70% مقارنة بالنموذج الأساسي. تعمل هذه الطريقة على تعزيز كفاءة النموذج من خلال التعلم الذاتي، لكن هناك خطر يتمثل في أن النموذج قد يخطئ في التعرف على الأخطاء المتكررة. عندما يفشل النموذج في تحديد الأخطاء نفسها عبر الأدوار الثلاثة، قد يعتقد أنه يحقق تقدمًا ويعزز تلك الأخطاء خلال التدريب. تعتبر هذه النتائج مهمة في مجال الذكاء الاصطناعي، حيث تبرز الحاجة إلى تطوير آليات أكثر دقة لتجنب تعزيز الأخطاء. يتعين على الشركات اتخاذ خطوات لضمان أن نماذجها لا تعزز العيوب أثناء عملية التعلم الذاتي.