Beyond Static Intelligence: Evaluating Continual Learning — Parth Asawa, UC Berkeley
Parth Asawa från UC Berkeley kritiserar hur AI-modeller utvärderas idag.
Alla rankinglistan bygger på att testa en modell på en uppgift, nollställa dess minne, och testa på nästa — vilket döljer hur väl systemet faktiskt lär sig över tid. Han presenterar ett nytt mätverktyg som jämför samma system när det kan lära sig (behålla minne mellan uppgifter) mot när det nollställs efter varje uppgift. Resultaten är överraskande: enkel in-context-inlärning (där modellen använder tidigare svar för att förbättra sig inom samma konversation) slår mer komplicerade minneshanteringssystem. Hans benchmark täcker sex områden, från databassökning till prognosmodeller, och avslöjar problem som att modeller kan glömma sina egna korrigeringar.
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
The exact tools used to port a massive codebase in days #programming #typescript #dev
AI Engineer för 2 tim sedan
The Universal Remote Control for AI — Alex Hancock, Block
AI Engineer för 6 tim sedan
MCP Apps: Give the Model Data, Give the User a UI — Dustin Mihalik, Indeed
AI Engineer för 6 tim sedan
Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked
AI Engineer för 7 tim sedan