TutkimusAgentit 🇺🇸 30.07.2026 19:01

EvoLib: Kokemuksen muuttaminen kehittyväksi tietämykseksi

MicrosoftMicrosoft
Microsoft Researchin esittelemä EvoLib mahdollistaa suurten kielimallien oppimisen omista päättelykokemuksistaan ilman mallipäivityksiä. Se erottaa uudelleenkäytettäviä taitoja ja reflektiivisiä oivalluksia, jalostaen ja painottaen niitä jatkuvasti yleiseksi tietämykseksi, joka parantaa suorituskykyä erilaisissa tehtävissä.
EvoLib on Microsoft Researchin kehittämä viitekehys, jonka avulla tekoälyjärjestelmät voivat oppia kokemuksesta päättelyvaiheen aikana ilman oikeita vastauksia tai mallin päivittämistä. Toisin kuin perinteiset muistijärjestelmät, jotka tallentavat raakaa kokemusta staattisesti, EvoLib muuntaa aiemmat yritykset uudelleenkäytettäviksi taidoiksi ja reflektiivisiksi oivalluksiksi. Nämä tietoyksiköt yhdistetään jatkuvasti vastaavan olemassa olevan tiedon kanssa yleispätevämmiksi, ja jokainen yksikkö painotetaan sen pitkäaikaisen vaikutuksen perusteella tuleviin tehtäviin. Viitekehystä testattiin matemaattisessa päättelyssä, koodin tehokkuudessa ja päätöksentekotehtävissä, ja se suoriutui johdonmukaisesti paremmin kuin parhaat hakupohjaiset muistimenetelmät tehokkaamman token-käytön ansiosta. EvoLib osoittaa myös vankkaa suorituskykyä satunnaisissa tehtäväjärjestyksissä, mikä viittaa käytännön sovellettavuuteen todellisissa skenaarioissa, joissa tehtävät saapuvat satunnaisesti. Järjestelmä saavuttaa suurempia suorituskykyparannuksia kasvavalla testiajan laskentateholla verrattuna eristettyyn laskentatehon skaalaukseen ja muihin muistipohjaisiin menetelmiin. Koodi ja kokeet ovat julkisesti saatavilla GitHubissa.
Lähde: Microsoft Research — Alkuperäinen
Aiemmat aiheeseen liittyvät kirjoituksemme ↓
Tuoreet uutiset