Ny metod låter AI-modeller lära sig av varandras misstag

arXiv cs.AI

Forskare har tagit fram en metod kallad RFCR som förbättrar AI-modellers reasoning genom att destillera regler från fel som flera modeller gör gemensamt – inte bara en enskild modell. På ett standardiserat testset (BIG-Bench Hard) ökade träffsäkerheten från 68,50% till 71,25%, utan att modellen försämrades på uppgifter den redan klarade. Det intressanta är knäckfrågan de löser: regler lärda från en modells misstag tenderar att förvirra andra modeller, så nyckeln visade sig vara att bara destillera regler som håller brett.