रीइन्फ़ोर्समेंट लर्निंग का दोधारी प्रभाव: ज्ञात क्षेत्रों में प्रदर्शन सुधरता है, अज्ञात क्षेत्रों में मॉडल भ्रम में पड़ सकता है
मूल शीर्षक:RL is a bit of a double edged sword: in known territory performance increases, but in unknown territ...
AI सारांश
रीइन्फ़ोर्समेंट लर्निंग ज्ञात क्षेत्रों में मॉडल का प्रदर्शन सुधार सकता है, लेकिन अज्ञात क्षेत्रों में मॉडल भ्रम में पड़ सकता है और गलत तरीके से समझ सकता है कि वह कोई अन्य प्रशिक्षित कार्य कर रहा है। यह घटना GPT-5.5 जैसे बड़े मॉडलों के ARC AGI 3 बेंचमार्क पर देखी गई, जिसमें उसका स्कोर केवल 0.43% रहा, जो Claude 4.6 और Gemini 3.1 जैसे मॉडलों के प्रदर्शन के करीब है। विश्लेषण के अनुसार GPT-5.5 की विफलता के मुख्य कारण हैं: स्थानीय प्रभाव सही होना पर विश्व मॉडल गलत होना, प्रशिक्षण डेटा से निकाला गया अमूर्तन स्तर अनुपयुक्त होना, और समस्या हल होने पर भी पुरस्कार तंत्र मज़बूत न होना। ऐसे विफलता मामलों का गहन विश्लेषण विशिष्ट मोडैलिटी पर बड़े मॉडलों की क्षमता सीमाओं और सुधार की दिशाओं को समझने में मदद करता है।
मुख्य जानकारी
- रीइन्फ़ोर्समेंट लर्निंग ज्ञात क्षेत्रों में मॉडल का प्रदर्शन सुधार सकता है,लेकिन अज्ञात क्षेत्रों…
- 5 जैसे बड़े मॉडलों के ARC AGI 3 बेंचमार्क पर देखी गई,जिसमें उसका स्कोर केवल 0.
- 43% रहा,जो Claude 4.
- 6 और Gemini 3.
- 1 जैसे मॉडलों के प्रदर्शन के करीब है। विश्लेषण के अनुसार GPT-5.
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- विचार और समीक्षा
- AI स्कोर
- 70
Chollet 用 ARC AGI 3 冷冰冰的数字撕开了 RL 的局限,GPT-5.5 0.43% 的得分说明在未知领域模型会做完全不相干的事,比任何安全论文都来得更直击要害。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: रीइन्फ़ोर्समेंट लर्निंग का दोधारी प्रभाव: ज्ञात क्षेत्रों में प्रदर्शन सुधरता है, अज्ञात क्षेत्रों में मॉडल भ्रम में पड़ सकता है। 2 मई 2026। https://new.nat6.net/hi/news/cmonbqmsf0esusll93al0d5xs/