Îstîxbaratê ya sûnî
Meta's COCONUT: Rêbaza AI-ya ku Bê Ziman Difikire
Dema ku lêkolîneran yekem car kifş kir ku modelên zimanên mezin (LLM) dikarin gav bi gav "bifikirin". zincîra-ramanê teşwîqkirin, ew deqek serkeftinek bû - di dawiyê de, em karîbûn li pêvajoya ramana van qutiyên reş binihêrin. Lê heke min ji we re bigota ku çêkirina modelên AI-ê bi zimanê xwezayî difikirin ku dibe ku wan paşde bihêle?
Ya ku lêkolînerên li Meta û UC San Diego bi wan re vekiriye ev e rêbaza nû ya GOKÊ (Zincîra Ramana Berdewam)..
Bifikirin ku hûn hewl bidin ku pirsgirêkek matematîkî ya tevlihev çareser bikin dema ku hûn neçar in ku her gav bi dengek bilind vebêjin. Annoying, rast? Naha hûn nêzîkê têgihiştina kêşeya bingehîn a ku modelên zimanî pê re rû bi rû ne dibin.
Dema ku em modelên AI-ê çêdikin bi zimanê xwezayî difikirin:
- Piraniya nîşaneyên ku ew diafirînin tenê çîpek zimanî ne - peyvên mîna "ji ber vê yekê", "paşê" û "di encamê de" ku nirxa ramana sifir zêde dikin.
- Xalên biryara krîtîk ji ber hewcedariya ku bi peyvên taybetî ve girêdayî ye teng dibe
- Model hewildanek girîng a jimartinê li ser domandina hevrêziya rêzimanî xerc dike ne ji çareserkirina pirsgirêka rastîn
Lekolînwanan di lêkolînên xwe yên neuroimaging de tiştek balkêş dîtin: dema ku mirov bi peywirên aqilmendiya tevlihev re mijûl dibin, navendên zimanê mejiyê me pir caran ecêbmayî bêdeng dimînin. Lêbelê me pergalên AI-yê ku berevajî vê yekê dikin ava dikin - zorê didin wan ku her gavê ramanê wergerînin peyvan.
Bifikirin ka hûn çawa puzzleyekê çareser dikin. Dibe ku hişê we bi hevdemî gelek îhtîmalan keşif bike, hîpotezên nezelal diparêze, û dema ku çareseriyê parve dike tenê ramanên xwe di ziman de krîstal dike. Lê nêzîkatiyên kevneşopî yên zincîra ramanê neçar dikin ku modelên AI-ê her gavê navîn devkî bikin, û "tengek zimanî" çêbikin.
Vê têgihiştinê bû sedema pirsek berbiçav: Ger em bihêlin ku modelên AI-ê bi "zimanê xweyî" - cîhê domdar, bilind-dimensî yên dewletên wan ên veşartî - bihêlin - li şûna ku em neçar bikin ku her tiştî wergerînin nîşanan çi bikin?
Fêmkirina Nûjeniya COCONUT
Cûdahiya di navbera axaftina ramanên xwe de bi dengek bilind û pêvajoya derûnî ya rastîn a ku di mejiyê we de diqewime de binirxînin. Ew valahiya - di navbera ramanên devkî û çalakiya neuralî de - bi rastî ya ku lêkolînerên Meta bi COCONUT ve tê kişandin e.
Serkeftina rastîn a COCONUT di wê de ye ku ew çawa dihêle ku modelên AI-ê bi du awayên cihêreng bifikirin, mîna ku mirov çawa dikin. Bifikirin dema ku hûn kêşeyek tevlihev çareser dikin - hûn her tevgera gengaz a di serê xwe de vedibêjin, rast? Di şûna wê de, hûn:
- Pirsgirêkê bişopînin: Hûn agahiyê digirin (mîna xwendina qaîdeyên puzzle)
- Bêdeng Bifikirin: Mêjiyê we gelek îmkanan bêyî ku wan bi peyvan bîne ziman dikole
- Çareseriyê parve bikin: Tenê wê demê tu ramana xwe ji kesên din re rave dikî
COCONUT heman nermbûna xwezayî dide modelên AI. Li şûna ku wan neçar bike ku her ramanê bi dengekî bilind "biaxivin" (mîna ku rêbazên kevneşopî dikin), ew dihêle ku ew di qada xweya neuralî ya xwezayî de bifikirin - ya ku lêkolîner jê re dibêjin "cihê nepenî".
Model bi hêsanî di navbera du awayan de diguhere:
- Dema ku hewce dike ku pirsan fêm bike an bersivan bide, ew zimanek bi rêkûpêk bikar tîne
- Lê ji bo pêvajoya ramana rastîn? Ew qalibên neuralî yên safî, ji astengiyên peyvan bêpar bi kar tîne
Wêne: Meta
Rêwîtiya Perwerdehiyê
Yek ji aliyên herî balkêş ên COCONUT bernameya perwerdehiya wê ye. Tiştê ku vê yekê taybetî dike ev e ku ew çawa pêşkeftina fêrbûna xwezayî neynik dike. Bifikirin ka em çawa jêhatîbûnên tevlihev hîn dikin - hûn tavilê yekî neavêjin dawiya kûr. Hûn gav bi gav ava dikin, ji ber ku ew her astê master dikin tevliheviyê lê zêde dikin.
Lekolînwanan ev nêzîkatiya tam bi COCONUT re girtin:
Qonaxa 1: Weqf
Pêşîn, model mîna her AI-ê din fêr dibe - bi riya ramana zincîra-ramanê ya kevneşopî. Ev têgihîştina bingehek zexm dide wê.
Qonaxa 2: Veguheztin
Li vir balkêş dibe. Hêdî hêdî, ew gavên aqilmendî yên nivîskî bi ramanên domdar têne guheztin. Bifikirin ku hêdî hêdî çerxên perwerdehiyê radikin, bihêlin ku model qalibên ramana xweya hundurîn pêşve bibe.
Qonaxa 3: Hevseng
Di dawiyê de, model fêr dibe ku bi rengek bêkêmasî di navbera ramana kûr a di cîhê dereng de biguhezîne û têgihiştinên xwe bi zimanek zelal ragihîne.
Di dema perwerdehiyê de, modelê jêhatîbûnên ku kes bi eşkere ne bername nekiriye pêşxist - mîna ku bi hevdemî çend rêgezên ramanê bihesibînin. Ev behreya derketî bi taybetî balkêş e ji ber ku ew destnîşan dike ku dibe ku em nêzikî formên xwezayî yên ramana AI bibin. Ev pêşkeftinên neçaverêkirî ne ku pir caran dibin sedema destkeftiyên herî mezin.
Van lêkolînên neuroimaging ên ku min berê behs kiribûn bi bîr bînin? Wan destnîşan kir ku mejiyê mirovan bi gelemperî bêyî ku bi giranî navendên zimanî mijûl bibe, peywirên aqilmendiyê yên tevlihev pêk tîne. Wusa dixuye ku COCONUT qalibên bi vî rengî pêş dixe - di cîhê xweya neuralî ya xwemalî de kûr difikire û tenê gava ku ji bo danûstendinê hewce bike vediguhere ziman.
Hejmar Çîrokekê Dibêjin
Çend encamên sereke yên din ji lêkolînê derdikevin:
- Pirsgirêkên Peyva Math (GSM8k): Li vir, COCONUT 34.1% rastbûn bi dest xist. Digel ku ev dikeve binê Zincîra Fikirê ya kevneşopî (42.9%), ew ji nêzîkatiyên bingehîn pir çêtir e.
- Daxistina Mantiqî (ProntoQA): GOKÎ 99.8% rastbûna xwe xist, 98.8% Zincîra Ramanên kevneşopî derxist. Lê li vir kêşker e - wî ev kir dema ku tenê 9 nîşanan li gorî CoT 92.5 bikar anî.
- Plansaziya Kompleks (ProsQA): Encamên herî balkêş ji vê ceribandina ramana pêşkeftî derketin. COCONUT 97% rastbûnê bi dest xist dema ku rêbazên kevneşopî tenê gihîşt 77.5%. Û dîsa, wê ev yek bi karîgeriyek berbiçav kir - 14.2 nîşanek li hember 49.4.
Tiştê ku van encaman sozdar dike ne tenê hejmarên xav e - ya ku ew di derbarê cûreyên cûda yên ramanê de eşkere dikin. Digel ku COCONUT hîn jî dibe ku lingê xwe bi ramana matematîkî re bibîne, ew di karên ku plansazkirin û dakêşana mentiqî ya tevlihev hewce dike de pêş dikeve.
COCONUT ji nû ve fikirînek bingehîn temsîl dike ka pergalên AI-ê çawa dikarin bihizirin, û ew me nêzikî formên xwezayî, bikêrtir û bihêztir ên îstîxbarata çêkirî dike. Rêwîtiya ji ramana ziman-based berbi ramana domdar gavek e ber bi pergalên AI-ê yên jêhatîtir û bikêrhatî.
