جوجل ديب مايند تطلق نموذج Dream-RSI لتحسين أداء وكلاء الذكاء الاصطناعي
قدّمت جوجل وديب مايند طريقة Dream-RSI لتحسين قرارات البحث لدى وكلاء الذكاء الاصطناعي، من دون تعديل النموذج الذي يولّد الحلول. تعيد الطريقة تشغيل نتائج محاولات سابقة لاختبار استراتيجيات مختلفة، فتختار الوكيلة الأفضل قبل بدء بحث حي جديد وبكلفة حسابية أقل. اختُبرت الطريقة مع Gemini 3.1 Pro وGemini 3.7 Flash على ثماني مهام ضمن ثلاثة مجالات، وحققت حلولًا أفضل بعدد محاولات أقل. لكن التعليمات شديدة التحديد قد تضيق مساحة البحث وتؤدي إلى أداء أضعف، وقد شارك الباحثون الشيفرة وتفاصيل إضافية على GitHub.
الحقائق الأساسية
في مهمة لكتابة برنامج سريع لحساب إحصائي، خفّضت Dream-RSI متوسط زمن التنفيذ من ٣٥٨٧ إلى ٢٩٣١ مللي ثانية، وقلّصت المحاولات من ٥٥٠ إلى ٣١٧.
«With Gemini 3.1 Pro, average runtime fell from 3,587 to 2,931 milliseconds, while the number of attempts dropped from 550 to 317.»
عرض المصدر ←في مهمتين لوحدات معالجة الرسوميات، حافظت الطريقة على الأداء وخفّضت عدد التشغيلات بما يصل إلى ٢٫٤٣ مرة، بينما رفعت الأداء في مهمتين أخريين حتى ٢٫٠٩ مرة ضمن الميزانية نفسها.
«On two GPU tasks, Dream-RSI matched performance while cutting the number of runs by a factor of up to 2.43. On two others, it delivered up to 2.09 times the performance within the same budget.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر