दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

मानव-स्तरीय कागल डेटा विज्ञान प्रदर्शन वाले सामान्य एजेंटों के लिए कोल्ब-आधारित अनुभवात्मक शिक्षा

Created by
  • Haebom

लेखक

एंटोनी ग्रोस्निट, अलेक्जेंड्रे मरावल, रेफीनाथ एसएन, जिचाओ झाओ, जेम्स डोरा, ग्यूसेप पाओलो, अल्बर्ट थॉमस, जोनास गोंजालेज, अभिनीत कुमार, ख्याति खंडेलवाल, अब्देलहकीम बेनेचेहाब, हमजा चेरकौई, यूसुफ अटिया एल-हिली, कुन शाओ, जियानये हाओ, जून याओ, बालाज़ के ईगल, जून वांग

रूपरेखा

यह शोधपत्र कोल्ब के अनुभवात्मक अधिगम और वायगोत्स्की के समीपस्थ विकास क्षेत्र सिद्धांत पर आधारित एक अभिकलनात्मक ढाँचा प्रस्तावित करता है, जो इस बात पर बल देता है कि मानव विशेषज्ञता पुनरावृत्त अंतःक्रिया, चिंतन और आंतरिक मॉडल अद्यतनीकरण के माध्यम से विकसित होती है। मौजूदा एलएलएम एजेंटों के स्थिर पूर्व-प्रशिक्षण और कठोर कार्यप्रवाह की सीमाओं को दूर करने के लिए, हम एक ऐसी वास्तुकला तैयार करते हैं जो पर्यावरण के साथ अंतःक्रिया (बाह्य कार्य) को आंतरिक चिंतन/अमूर्तता (आंतरिक कार्य) से अलग करती है। यह संज्ञानात्मक-आधारित स्कैफोल्डेड अधिगम को सक्षम बनाता है, जो एक संरचित वातावरण में अधिगम के बाद खुले सामान्यीकरण को सक्षम बनाता है। एक वास्तविक दुनिया के कागल डेटा विज्ञान प्रतियोगिता में, जहाँ 81 कार्यों में स्वचालित डेटा विज्ञान कोड निर्माण क्षमता का मूल्यांकन किया गया था, एजेंट के ने 1694 अंक प्राप्त किए, जो कागल मास्टर्स (शीर्ष 2%) के औसत एलो-एमएमआर स्कोर से अधिक था, और कई पदक जीते। यह कोल्ब और वायगोत्स्की के संज्ञानात्मक अधिगम सिद्धांतों को सफलतापूर्वक एकीकृत करने वाला पहला एआई सिस्टम है, जो सामान्य-उद्देश्य एआई की दिशा में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है।

Takeaways, Limitations

•
Takeaways:
◦
कोल्ब के अनुभवात्मक अधिगम और वायगोत्स्की के समीपस्थ विकास सिद्धांत के क्षेत्र पर आधारित एक नया एलएलएम एजेंट लर्निंग ढांचा प्रस्तुत किया गया है।
◦
एजेंट K जटिल मानव-स्तरीय कार्यों को हल करने में सक्षम AI प्रणालियों को विकसित करने की क्षमता प्रदर्शित करता है।
◦
कागल प्रतियोगिताओं से वास्तविक डेटा का उपयोग करके प्रयोगात्मक परिणामों के माध्यम से प्रदर्शन सत्यापन।
◦
सामान्य प्रयोजन एआई के विकास के लिए एक नई दिशा प्रस्तुत करना।
•
Limitations:
◦
एजेंट K का प्रदर्शन किसी विशिष्ट डोमेन (डेटा विज्ञान) तक सीमित हो सकता है।
◦
प्रस्तावित ढांचे की सामान्यता निर्धारित करने के लिए आगे अनुसंधान की आवश्यकता है।
◦
यह संभावना कि मानव संज्ञानात्मक प्रक्रियाओं की पूर्णतः नकल करना संभव न हो
◦
नैतिक और सामाजिक निहितार्थों पर आगे चर्चा की आवश्यकता है।
👍
Made with Slashpage