Gecertificeerde gedragsretentie voor continue AI-aanpassingen
Een nieuw mechanisme genaamd CABA beoordeelt updates van modellen op basis van vooraf ingestelde gedragsgrenzen. Hierdoor blijft beschermd gedrag behouden tijdens doorlopende aanpassingen van het systeem.
Wanneer kunstmatige-intelligentiemodellen doorlopend worden bijgewerkt, is het belangrijk om te controleren of het model geen ongewenste veranderingen ondergaat. Het is niet alleen de vraag hoe een model geüpdatet moet worden, maar ook of die update binnen vastgestelde marges blijft. Een nieuwe methode genaamd Certified Anchor-Based Adaptation fungeert als een soort poortwachter na de update.
Het systeem reserveert historische waarnemingen en vergelijkt oude en nieuwe beleidslijnen met elkaar om te controleren of de veranderingen binnen een acceptabel budget blijven. Dergelijke beheersingstechnieken zijn relevant voor het trainen van betrouwbare systemen die zich continu aanpassen aan nieuwe gegevens zonder hun eerdere vaardigheden te verliezen.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel