এআই এজেন্ট অন্য এআই মডেলের প্রশিক্ষণ নিজে থেকে স্বয়ংক্রিয় করতে শিখছে
একটি নতুন গবেষণাপত্রে RSI-Dojo নামে একটি সেটআপের কথা বলা হয়েছে। এটি এআই এজেন্টদের সেই পোস্ট-ট্রেনিং কাজ সামলাতে শেখায়, যা বড় language model-কে আরও উন্নত করে। লক্ষ্য হল recursive self-improvement, অর্থাৎ এআই সিস্টেম মডেল ও তাদের সহায়ক অবকাঠামো সহ অন্য এআই তৈরি ও উন্নত করতে সাহায্য করবে। এটি সেই লক্ষ্যের দিকে একটি প্রাথমিক গবেষণা ধাপ।
সহজ শব্দকোষarXiv, Recursive Self-Improvement, Post-training
- arXiv
- arXiv হল Cornell University-র চালানো একটি বিনামূল্যের অনলাইন আর্কাইভ, যেখানে গবেষকরা সাধারণত আনুষ্ঠানিক পর্যালোচনার আগেই বৈজ্ঞানিক গবেষণাপত্র প্রকাশ করেন।
- Recursive Self-Improvement
- একটি লক্ষ্য, যেখানে এআই সিস্টেম মানুষের প্রতিটি ধাপ ছাড়াই নিজের নকশা, প্রশিক্ষণ ও টুল উন্নত করতে পারে।
- Post-training
- বড় প্রথম প্রশিক্ষণের পর করা অতিরিক্ত প্রশিক্ষণ, যাতে একটি মডেল আরও কাজের বা ভালো আচরণের হয়।
বার্নিং পটেটো স্কোর: 71%