5-10% parece modesto, mas sem amostras, meus irmãos, isso é uma mudança qualitativa

17 de abril, a Escola de Robótica da Universidade Carnegie Mellon em parceria com Lambda propôs o método de treinamento Sim2Reason, com o objetivo de resolver a escassez de dados de alta qualidade na área de IA STEM. O núcleo é treinar grandes modelos de linguagem não supervisionados em um mundo virtual governado por leis físicas reais, aprendendo física por experiência. Diz-se que esse método pode melhorar o desempenho zero-shot do modelo na Olimpíada Internacional de Física em 5-10%. Fonte: InFoQ