Transformer 기획의 단점을 보완하기 위해 Tian Yuandong 팀의 Searchformer가 인기를 얻었습니다.
Transformer의 강력한 일반화 능력이 다시 한번 입증되었습니다!
최근 몇 년 동안 트랜스포머 기반 구조물은 다양한 작업에서 탁월한 성능을 발휘하여 전 세계적으로 주목을 받고 있습니다. 이 구조를 사용하고 이를 대량의 데이터와 결합하면 LLM(대형 언어 모델)과 같은 결과 모델이 실제 애플리케이션 시나리오에 잘 적용될 수 있습니다.
일부 영역에서의 성공에도 불구하고 Transformer 기반 아키텍처와 LLM은 특히 계획 및 추론 작업을 처리하는 데 여전히 어려움에 직면해 있습니다. 이전 연구에 따르면 LLM은 다단계 계획 작업이나 고차원 추론 작업을 처리하는 데 어려움을 겪는 것으로 나타났습니다.
Transformer의 추론 및 계획 성능을 향상시키기 위해 최근 연구계에서도 몇 가지 방법을 제안했습니다. 가장 일반적이고 효과적인 방법 중 하나는 인간의 사고 과정을 시뮬레이션하는 것입니다. 먼저 중간 "생각"을 생성한 다음 응답을 출력합니다. 예를 들어, CoT(사고 사슬) 프롬프트 방법은 모델이 중간 단계를 예측하고 단계별 "사고"를 수행하도록 장려합니다. 사고 트리(ToT)는 분기 전략과 평가 방법을 사용하여 모델이 여러 가지 사고 경로를 생성할 수 있도록 한 다음 그 중에서 최상의 경로를 선택합니다. 이러한 기술은 효과적인 경우가 많지만, 연구에 따르면 많은 경우 이러한 방법이 자체 시행을 포함한 이유로 인해 모델 성능을 저하시키는 것으로 나타났습니다.
한 데이터세트에서는 잘 작동하는 기술이 다른 데이터세트에서는 잘 작동하지 않을 수도 있습니다. 이는 공간적 추론에서 수학적 또는 상식적 추론으로의 전환과 같이 필요한 추론 유형의 변화로 인한 것일 수 있습니다.
반면, 전통적인 기호 계획 및 검색 기술은 탁월한 추론 능력을 보여줍니다. 또한 기호 계획 알고리즘은 일반적으로 잘 정의된 규칙 기반 검색 프로세스를 따르기 때문에 이러한 전통적인 방법으로 계산된 솔루션은 형식적인 보장을 갖는 경우가 많습니다.
Transformer에 복잡한 추론 기능을 탑재하기 위해 Meta FAIR Tian Yuandong 팀은 최근 Searchformer를 제안했습니다.
논문 제목: Beyond A*: Better Planning with Transformers via Search Dynamics Bootstrapping
논문 주소: https://arxiv.org/pdf/2402.14083.pdf
Searchformer는 Transformer입니다. 모델이지만 미로 탐색, 상자 밀기와 같은 다단계 계획 작업의 경우 최적의 계획을 계산할 수 있으며 사용되는 검색 단계 수는 A* 검색과 같은 기호 계획 알고리즘보다 훨씬 적을 수 있습니다.
이를 위해 팀에서는 검색 역학 부트스트래핑이라는 새로운 방법을 제안했습니다. 이 방법은 먼저 A*의 검색 프로세스를 모방하도록 Transformer 모델을 훈련한 다음(그림 1 참조) 더 적은 검색 단계로 최적의 계획을 찾을 수 있도록 미세 조정합니다. 즉, 첫 번째 단계는 A* 검색을 모방하는 Transformer 모델을 교육하는 것입니다. 여기서 팀의 접근 방식은 A*가 실행될 때 수행된 계산을 최적으로 기록하는 것입니다. 이를 단어 시퀀스, 즉 토큰으로 계획하고 구성합니다. 이러한 방식으로 결과 학습 데이터 세트에는 A*의 실행 궤적이 포함되고 A* 자체의 검색 역학에 대한 정보가 인코딩됩니다.
두 번째 단계는 전문적인 반복 방법을 사용하여 위의 검색 강화 시퀀스(A*의 실행 궤적 포함)를 사용하여 교육을 더욱 개선하는 것입니다. Searchformer 전문가 반복 방법을 사용하면 Transformer가 더 적은 검색 단계로 최적의 솔루션을 생성할 수 있습니다. 이 프로세스는 Transformer의 네트워크 가중치에 암시적으로 인코딩되는 신경 프로그래밍 알고리즘을 생성하며 더 적은 검색 단계로 최적의 계획을 찾을 확률이 높습니다. 예를 들어 상자 밀기 작업을 수행할 때 새 모델은 테스트 작업의 93.7%를 해결할 수 있는 반면 검색 단계 수는 평균적으로 A* 검색보다 26.8% 적습니다. Transformer는 기존의 기호 계획 알고리즘을 능가할 수 있는 길을 열었습니다.
실험
결과 모델의 성능에 대한 교육 데이터 및 모델 매개변수 볼륨의 영향을 더 잘 이해하기 위해 몇 가지 절제 연구를 수행했습니다. 두 가지가 사용되었습니다. 모델을 훈련하기 위한 데이터 세트 유형: 하나는 솔루션만 포함하는 토큰 시퀀스(작업 설명 및 최종 계획만 포함되는 솔루션 전용)이고, 다른 하나는 작업 설명을 포함하는 검색 확대 시퀀스입니다. 검색 트리 역학 및 최종 계획)실험에서 팀은 A* 검색의 결정론적 및 비결정론적 변형을 사용하여 각 시퀀스 데이터 세트를 생성했습니다.
Maze 탐색
첫 번째 실험에서 팀은 30×30 미로에서 최적의 경로를 예측하기 위해 일련의 인코더-디코더 변환기 모델을 훈련했습니다
그림 4는 중간 계산 단계를 예측함으로써 데이터 양이 적을 때 더욱 강력한 성능을 달성할 수 있음을 보여줍니다.
그림 5는 솔루션만을 사용하여 훈련된 모델의 성능을 보여줍니다.
그림 6은 작업 난이도가 각 모델의 성능에 미치는 영향을 보여줍니다.
전체적으로 솔루션만을 사용하여 훈련한 모델은 사용된 훈련 데이터 세트가 충분히 크고 다양할 때 최적의 계획을 예측할 수 있지만, 데이터의 양이 적을 때는 검색 강화 모델의 성능이 크게 향상됩니다. 더 어려운 작업에 대해서도 더 좋고 확장성이 좋습니다.
푸싱 박스
다양하고 더 복잡한 작업(다양한 토큰화 모드 사용)에서 유사한 결과를 얻을 수 있는지 테스트하기 위해 팀에서는 테스트용 푸시 박스의 계획 데이터 세트도 생성했습니다.
그림 7은 각 모델이 각 테스트 작업에 대해 올바른 계획을 생성할 확률을 보여줍니다.
이전 실험과 마찬가지로 실행 추적을 사용한 학습을 통해 검색 강화 모델이 솔루션만 사용하여 학습한 모델보다 성능이 뛰어난 것을 확인할 수 있습니다.
Searchformer: 부트스트래핑 방법을 통해 검색 역학 개선
최종 실험으로 팀은 검색 강화 모델을 반복적으로 개선하여 더 적은 수의 검색 단계로 최적의 계획을 계산할 수 있는 방법을 조사했습니다. 여기서 목표는 최적의 솔루션을 얻으면서 검색 궤적 길이를 줄이는 것입니다.
그림 8은 새로 제안된 검색 동적 안내 방법이 Searchformer 모델에서 생성된 시퀀스의 길이를 반복적으로 단축할 수 있음을 보여줍니다.
위 내용은 Transformer 기획의 단점을 보완하기 위해 Tian Yuandong 팀의 Searchformer가 인기를 얻었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











하지만 공원에 있는 노인을 이길 수는 없을까요? 파리올림픽이 본격화되면서 탁구가 많은 주목을 받고 있다. 동시에 로봇은 탁구 경기에서도 새로운 돌파구를 마련했습니다. 방금 DeepMind는 탁구 경기에서 인간 아마추어 선수 수준에 도달할 수 있는 최초의 학습 로봇 에이전트를 제안했습니다. 논문 주소: https://arxiv.org/pdf/2408.03906 DeepMind 로봇은 탁구를 얼마나 잘 치나요? 아마도 인간 아마추어 선수들과 동등할 것입니다: 포핸드와 백핸드 모두: 상대는 다양한 플레이 스타일을 사용하고 로봇도 견딜 수 있습니다: 다양한 스핀으로 서브를 받습니다. 그러나 게임의 강도는 그만큼 강렬하지 않은 것 같습니다. 공원에 있는 노인. 로봇용, 탁구용

8월 21일, 2024년 세계로봇대회가 베이징에서 성대하게 개최되었습니다. SenseTime의 홈 로봇 브랜드 "Yuanluobot SenseRobot"은 전체 제품군을 공개했으며, 최근에는 Yuanluobot AI 체스 두는 로봇인 체스 프로페셔널 에디션(이하 "Yuanluobot SenseRobot")을 출시하여 세계 최초의 A 체스 로봇이 되었습니다. 집. Yuanluobo의 세 번째 체스 게임 로봇 제품인 새로운 Guoxiang 로봇은 AI 및 엔지니어링 기계 분야에서 수많은 특별한 기술 업그레이드와 혁신을 거쳤으며 처음으로 3차원 체스 말을 집는 능력을 실현했습니다. 가정용 로봇의 기계 발톱을 통해 체스 게임, 모두 체스 게임, 기보 복습 등과 같은 인간-기계 기능을 수행합니다.

개학이 코앞으로 다가왔습니다. 새 학기를 앞둔 학생들뿐만 아니라 대형 AI 모델도 스스로 관리해야 합니다. 얼마 전 레딧에는 클로드가 게으르다고 불평하는 네티즌들이 붐볐습니다. "레벨이 많이 떨어졌고, 자주 멈췄고, 심지어 출력도 매우 짧아졌습니다. 출시 첫 주에는 4페이지 전체 문서를 한 번에 번역할 수 있었지만 지금은 반 페이지도 출력하지 못합니다. !" https://www.reddit.com/r/ClaudeAI/comments/1by8rw8/something_just_feels_wrong_with_claude_in_the/ "클로드에게 완전히 실망했습니다"라는 제목의 게시물에

베이징에서 열린 세계로봇컨퍼런스에서는 휴머노이드 로봇의 전시가 현장의 절대 화두가 됐다. 스타더스트 인텔리전트 부스에서는 AI 로봇 어시스턴트 S1이 덜시머, 무술, 서예 3대 퍼포먼스를 선보였다. 문학과 무술을 모두 갖춘 하나의 전시 공간은 수많은 전문 관객과 미디어를 끌어 모았습니다. 탄력 있는 현의 우아한 연주를 통해 S1은 정밀한 작동과 속도, 힘, 정밀성을 갖춘 절대적인 제어력을 보여줍니다. CCTV 뉴스는 '서예'의 모방 학습 및 지능형 제어에 대한 특별 보도를 진행했습니다. 회사 설립자 Lai Jie는 부드러운 움직임 뒤에 하드웨어 측면이 최고의 힘 제어와 가장 인간과 유사한 신체 지표(속도, 하중)를 추구한다고 설명했습니다. 등)이지만 AI측에서는 사람의 실제 움직임 데이터를 수집해 로봇이 강한 상황에 직면했을 때 더욱 강해지고 빠르게 진화하는 방법을 학습할 수 있다. 그리고 민첩하다

참가자들은 이번 ACL 컨퍼런스에서 많은 것을 얻었습니다. ACL2024는 6일간 태국 방콕에서 개최됩니다. ACL은 전산언어학 및 자연어 처리 분야 최고의 국제학술대회로 국제전산언어학회(International Association for Computational Linguistics)가 주최하고 매년 개최된다. ACL은 NLP 분야에서 학술 영향력 1위를 항상 차지하고 있으며, CCF-A 추천 컨퍼런스이기도 합니다. 올해로 62회째를 맞이하는 ACL 컨퍼런스에는 NLP 분야의 최신 저서가 400편 이상 접수됐다. 어제 오후 컨퍼런스에서는 최우수 논문과 기타 상을 발표했습니다. 이번에 최우수논문상 7개(미출판 2개), 우수주제상 1개, 우수논문상 35개가 있다. 이 컨퍼런스에서는 또한 3개의 리소스 논문상(ResourceAward)과 사회적 영향상(Social Impact Award)을 수상했습니다.

오늘 오후 Hongmeng Zhixing은 공식적으로 새로운 브랜드와 신차를 환영했습니다. 8월 6일, Huawei는 Hongmeng Smart Xingxing S9 및 Huawei 전체 시나리오 신제품 출시 컨퍼런스를 개최하여 파노라마식 스마트 플래그십 세단 Xiangjie S9, 새로운 M7Pro 및 Huawei novaFlip, MatePad Pro 12.2인치, 새로운 MatePad Air, Huawei Bisheng을 선보였습니다. 레이저 프린터 X1 시리즈, FreeBuds6i, WATCHFIT3 및 스마트 스크린 S5Pro를 포함한 다양한 새로운 올-시나리오 스마트 제품, 스마트 여행, 스마트 오피스, 스마트 웨어에 이르기까지 화웨이는 풀 시나리오 스마트 생태계를 지속적으로 구축하여 소비자에게 스마트한 경험을 제공합니다. 만물인터넷. Hongmeng Zhixing: 스마트 자동차 산업의 업그레이드를 촉진하기 위한 심층적인 권한 부여 화웨이는 중국 자동차 산업 파트너와 손을 잡고

비전과 로봇 학습의 긴밀한 통합. 최근 화제를 모으고 있는 1X 휴머노이드 로봇 네오(NEO)와 두 개의 로봇 손이 원활하게 협력해 옷 개기, 차 따르기, 신발 싸기 등을 하는 모습을 보면 마치 로봇 시대로 접어들고 있다는 느낌을 받을 수 있다. 실제로 이러한 부드러운 움직임은 첨단 로봇 기술 + 정교한 프레임 디자인 + 다중 모드 대형 모델의 산물입니다. 우리는 유용한 로봇이 종종 환경과 복잡하고 절묘한 상호작용을 요구한다는 것을 알고 있으며, 환경은 공간적, 시간적 영역에서 제약으로 표현될 수 있습니다. 예를 들어, 로봇이 차를 따르도록 하려면 먼저 로봇이 찻주전자 손잡이를 잡고 차를 흘리지 않고 똑바로 세운 다음, 주전자 입구와 컵 입구가 일치할 때까지 부드럽게 움직여야 합니다. 을 누른 다음 주전자를 특정 각도로 기울입니다. 이것

기계력 보고서 편집자: Yang Wen AI 영상계의 왕이 될 수 있는 사람은 누구일까요? 미국 TV 시리즈 '왕좌의 게임'에는 '철왕좌'가 있다. 전설에 따르면 적들이 버린 수천 자루의 검을 녹인 거대 용 '흑사병'이 최고의 권위를 상징한다는 전설이 있다. 이 철의자에 앉기 위해 대가족들은 싸우고 또 싸우기 시작했습니다. 소라 등장 이후 AI 영상계에 왕성한 '왕좌의 게임'이 론칭됐다. 이 게임의 주역으로는 바다 건너편의 RunwayGen-3와 Luma는 물론 국내 Kuaishou Keling, ByteDream, 및 Zhimo, Vidu, PixVerseV2 등. 오늘은 AI 영상계의 '철왕좌'에 앉을 자격이 있는 사람이 누구인지 평가하고 알아보겠습니다. -1- 빈센트 비디오
