الذكاء الاصطناعي١٢ أكتوبر ٢٠٢٦
ساكانا إيه آي تطور نموذجًا ذاتي التحسين في حل المسائل
قدّم باحثون من ساكانا إيه آي وجامعة كاليفورنيا في بيركلي أسلوبًا يتيح لنموذج لغوي تحسين أدائه بنفسه، من دون الاستعانة بنموذج أقوى. يوزّع النموذج المهام على نسخ منه، ثم يقيّم النتائج ويطوّر طريقة العمل للجولة التالية. وارتفع معدل فوزه على نسخته الأساسية إلى ٦٩٫٩٪ بعد جولتين، لكن أخطاءه قد تمرّ من دون أن يكتشفها وتؤثر في تدريبه اللاحق.
الحقائق الأساسية
بلغ معدل فوز النموذج على نسخته الأساسية ٦٩٫٩٪ بعد جولتين، مقابل ٥٣٫٩٪ بعد جولة واحدة.
«On the test tasks, the win rate against the base model rises from 53.9 percent after one round to 69.9 percent after two.»
عرض المصدر ←قد يقبل المقيّم الداخلي خطوات معيبة أو حلولًا مضللة، فتدخل في تدريب النموذج التالي.
«Win rates against the base model rise to nearly 70 percent after two rounds, but the method carries a real risk: the internal evaluator sometimes accepts flawed steps or manipulated solutions as successes and bakes them into the next model.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر