5-10% تبدو متواضعة، لكن بدون عينات، يا إخوان، هذا هو التحول النوعي

في 17 أبريل، قدمت كلية الروبوتات في جامعة كارنيجي ميلون بالتعاون مع Lambda طريقة تدريب Sim2Reason، بهدف معالجة نقص البيانات عالية الجودة في مجال الذكاء الاصطناعي STEM. تتمحور الفكرة حول تدريب نماذج اللغة الكبيرة بدون إشارات في عالم افتراضي يخضع لقوانين الفيزياء الحقيقية، من خلال التعلم التجريبي للفيزياء. وتزعم أن هذه الطريقة يمكن أن تحسن أداء النموذج في المسابقات الدولية لأولمبياد الفيزياء بنسبة 5-10% في الأداء بدون أمثلة مسبقة. المصدر: InFoQ