مهارتهای هوش مصنوعی در برنامههای واقعی این فناوری، نقش مهمی دارند. این مهارتها، مجموعهای از دستورالعملهایی هستند که در فایلهای مارکداون (.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 نمیتوانند به همان روش پارامترهای مدل زیرین آموزش داده شوند. به طور معمول، کاربران باید دستورالعملها را در هر فایل به دست خود تغییر دهند و به صورت تصادفی تغییرات را آزمایش کنند تا عملکرد هوش مصنوعی بهبود یابد.
SkillOpt، یک چارچوب باز و با مجوز MIT که توسط مایکروسافت توسعه یافته است، این مشکل را حل میکند. این چارچوب، یک بهینهساز برای مهارتهای هوش مصنوعی معرفی میکند که فایل مهارتهای .md را به عنوان یک شیء قابل آموزش تبدیل میکند که بر اساس بازخورد عملکرد بهبود مییابد. SkillOpt از بهینهسازی سبک یادگیری عمیق برای تغییرات سیستماتیک در فایل استفاده میکند و بهترین ترکیب دستورالعملها را پیدا میکند. مهمترین نکته این است که این تغییرات بدون تغییر در وزنهای مدل زیرین انجام میشود.
SkillOpt در مختلف آزمونهای صنعتی، از خطوط پایه موجود بهتر عمل کرده و دقت مدلهای مانند GPT-5.5 و Qwen را به طور قابل توجهی افزایش میدهد. نتیجه، مجموعهای از مهارتهای فشرده و قابل انتقال است که به هوش مصنوعی اجازه میدهد تا به راحتی به دامنههای جدید سازگار شود.
تحلیل و بررسی: با استفاده از SkillOpt، شرکتها میتوانند به راحتی مهارتهای خود را به روز کنند و بهینهسازی خودکار را در فرایندهای پیچیده خود پیادهسازی کنند. این فناوری، یک گام بزرگ در جهت بهبود عملکرد هوش مصنوعی در کاربردهای تجاری است و میتواند به بهبود دقت و کاهش خطا در سیستمهای هوش مصنوعی کمک کند. در آینده، انتظار میرود که SkillOpt به عنوان یک ابزار استاندارد در توسعه و بهینهسازی هوش مصنوعی مورد استفاده قرار گیرد.
منبع: VentureBeat (مشاهده متن اصلی)
inoit.ir/post/205
کپی شد!