مهارتهای هوش مصنوعی در برنامههای واقعی هوش مصنوعی بسیار مهم شدهاند. این مهارتها مجموعهای از دستورالعملها هستند که در فایلهای متنباز (.md) ذخیره میشوند و به مدلها اجازه میدهند تا به صورت خاص برای کاربردهای تجاری و جریانهای کاری پیچیده تنظیم شوند. اما به روز رسانی این مهارتها یک فرایند کند و پر خطا است، زیرا نمیتوان آنها را مانند پارامترهای مدلهای زیرین آموزش داد. به جای آن، کاربران باید دستورالعملها را به صورت دستی به روز کنند و به طور تصادفی تغییرات را آزمایش کنند تا عملکرد را بهبود بخشند.
SkillOpt، یک چارچوب باز و با مجوز MIT که توسط Microsoft توسعه یافته است، این مشکل را حل میکند. این چارچوب یک بهینهساز برای مهارتهای هوش مصنوعی معرفی میکند که فایلهای مهارت (.md) را به عنوان یک شیء قابل آموزش در نظر میگیرد که بر اساس بازخورد عملکرد بهبود مییابد. با استفاده از روشهای بهینهسازی سبک یادگیری عمیق، SkillOpt به هوش مصنوعی امکان میدهد تا به طور سیستماتیک تغییرات در فایلهای مهارت را آزمایش کند و بهترین ترکیب دستورالعملها را پیدا کند. مهمترین نکته این است که این بهینهسازی بدون تغییر در وزنهای مدل زیرین انجام میشود.
SkillOpt در مختلف آزمونهای صنعتی از خطوط پایه موجود بهتر عمل میکند و دقت مدلهای مانند GPT-5.5 و Qwen را به طور قابل توجهی افزایش میدهد. نتیجه یک مجموعه از مهارتهای فشرده و قابل انتقال است که به هوش مصنوعی اجازه میدهد تا به طور آسان به دامنههای جدید سازگار شود.
تحلیل و بررسی: با معرفی SkillOpt، Microsoft یک گام مهم در بهینهسازی مهارتهای هوش مصنوعی برداشته است. این چارچوب به توسعهدهندگان اجازه میدهد تا به طور خودکار و با استفاده از روشهای علمی مهارتهای خود را بهبود بخشند. در آینده، انتظار میرود که این فناوری در برنامههای تجاری و صنعتی به طور گستردهتر استفاده شود و به بهبود عملکرد هوش مصنوعی در کاربردهای واقعی کمک کند.
منبع: VentureBeat (مشاهده متن اصلی)
inoit.ir/post/189
کپی شد!