Az új tanítási módszer 99%-ra növeli az AI négyjegyű szorzási pontosságát
A Chicagói Egyetem kutatói megállapították, hogy a hagyományos tanítás mellett még a csúcskategóriás AI modellek is 1% alatti pontosságot érnek el az alapvető négyjegyű szorzásoknál. Azonban az "implicit gondolatmenet" (implicit chain-of-thought) tréninggel és egy egyszerű futóösszeg-célkitűzéssel a pontosságot közel 100%-ra tudták növelni.
- A hagyományos tanítás 1% alatti pontosságot eredményezett a négyjegyű szorzásoknál
- Implicit chain-of-thought tréninget alkalmaztak a modell logikájának javítására
- Egy egyszerű futóösszeg-célkitűzést (running-sum objective) illesztettek a tanítási folyamatba
- A pontosság elérte a 99–100%-ot azáltal, hogy a részeredményeket a modell rejtett állapotaiba (hidden state) kényszerítették
Miért fontos?
Ez a kutatás rávilágít arra, hogy az LLM-ek előtt tornyosuló "matematikai fal" áttörhető okosabb tanítási célkitűzésekkel, amelyek rákényszerítik a modellt a köztes lépések belső kezelésére. ---
Kapcsolódó hírek
OpenAI: Az AI felgyorsítja a kutatást, a vezető tudós az összehangolási kockázatokra figyelmeztet
1 napja
DiG-bench: Egy új benchmark az AI felfedezőkészségének és kíváncsiságának mérésére
2026. augusztus 21.
Faraday: Egy AI tudós modell a kutatói ízlés fejlesztésére
2026. augusztus 19.