قدّمت Apple إطار عمل Conformal Thinking — إدارة المخاطر لنماذج التفكير دون رموز إضافية
نشرت Apple ML Research بحث 'Conformal Thinking' — إطار عمل يعيد صياغة تحدي ميزانية الرموز في reasoning-LLMs. بدلاً من ضبط الحدود اليدوي، توفر الطريقة ضمانات رياضية: لن تتجاوز معدلات الخطأ هدفاً محدداً مع استهلاك أدنى للرموز. وهي مبنية على التنبؤ المطابق (conformal prediction)، الذي يوفر ضمانات إحصائية قابلة للتحقق على بيانات جديدة.
معالج بواسطة الذكاء الاصطناعي من Apple ML Research؛ بتحرير Hamidun News
طوّر باحثو Apple طريقة لتحسين الشبكات العصبية — يتيح أسلوب Conformal Thinking التحكم في الأخطاء مع تقليل تكاليف الاستدلال.
لماذا يُعدّ تحسين تكاليف الشبكات العصبية أمراً مهماً؟
تُوسّع نماذج الاستدلال الحديثة نطاق الحسابات وفقاً لعدد الرموز (tokens): فكلما زاد عدد الرموز المعالَجة، ارتفعت الدقة. لذا، يتعين تحديد ميزانية الرموز الصحيحة لكل طلب مسبقاً، تجنّباً للتكاليف الزائدة دون المساس بالجودة.
ماذا يحدث عند عدم كفاية ميزانية الرموز؟
يقوم النموذج باقتطاع سلسلة الاستدلال، مما يُفضي إلى أخطاء في النتائج.
هل تريد التوقف عن قراءة الذكاء الاصطناعي والبدء باستخدامه؟
AI News هو موجز منسق لأخبار الذكاء الاصطناعي. تعلمك Hamidun Academy استخدام الذكاء الاصطناعي في عملك.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.