Pada si Iroyin
AtunseAI Understanding finifini

Atunwo rii awọn awoṣe ipilẹ ko ti rọpo ni gbogbogbo awọn ile-iṣẹ ile-ẹkọ ẹrọ amọja

Atunyẹwo ti awọn iwe 159 jiyan pe awọn awoṣe ipilẹ-ede ti o da lori ede le jẹ idije pupọ ni awọn iṣẹ ṣiṣe ti a yan, ṣugbọn ko rii ẹri ti rirọpo ti ayaworan gbooro nigbati awọn oniwadi ṣe idanwo taara boya awọn awoṣe ṣe itọju ati ṣe iṣiro eto ipilẹ ti data.

5 min readRead the primary source
Source-page capture accompanying Review finds foundation models have not generally replaced specialized machine-learning architectures
Iwe aṣẹ orisun akọkọOrisun ti o gbasilẹ
Olutẹwe
arxiv.org
Orisun ọna asopọ
arxiv.orghttps://arxiv.org/abs/2608.28980
Orisun iru
Iwe akọkọ - ikede osise, iwe, iforukọsilẹ, tabi oju-iwe ẹgbẹ akọkọ ti a ka taara.
AtokọLoye eyi ni iṣẹju 60

Bẹrẹ nibi

Awọn ofin bọtini

Awoṣe Ipilẹ
Awoṣe ikẹkọ ti o tobi ti o le ṣe deede si ọpọlọpọ awọn iṣẹ-ṣiṣe ni isalẹ.
Ikẹkọ ṣaaju
Ikẹkọ awoṣe iwọn-nla ni ibẹrẹ lori data gbooro ṣaaju imudọgba isale.
Aṣepari
Idanwo idiwon tabi data ti a lo lati ṣe iwọn ati ṣe afiwe iṣẹ awoṣe.
Ṣe idanwo fun ara rẹAwọn awoṣe AI ti ṣalaye adanwo

Kini o ṣẹlẹ

Atunyẹwo arXiv tuntun ṣe idanwo boya awọn awoṣe ipilẹ-ede ti o da lori ede le rọpo awọn faaji ikẹkọ ẹrọ pataki ti a ṣe fun data eleto. Onkọwe ṣe atunyẹwo awọn iwe 159 ti a tẹjade lati ọdun 2016 si ọdun 2026 kọja awọn ọna mẹsan ati ṣe afiwe deede asọtẹlẹ pẹlu agbara lati ṣe aṣoju ati ṣe iṣiro eto iṣẹ ṣiṣe.

Iwe naa beere boya awọn ile ayaworan amọja ti aṣa ti a ṣe apẹrẹ fun data eleto le paarọ rẹ nipasẹ awọn awoṣe ti o da lori ede. O ṣeto awọn isunmọ ti o wa tẹlẹ si awọn ijọba aṣoju mẹjọ, ti o wa lati awọn eto-ede nikan si awọn ile-iṣọ amọja ni kikun. Atunwo naa ṣe itọju aṣeyọri lori iṣẹ-ṣiṣe kan ati titọju eto ti o jẹ ki iṣẹ-ṣiṣe naa ṣe itọka bi awọn ibeere lọtọ. Idasilẹ yẹn jẹ ki iwe ṣe iyatọ abajade ti o han awoṣe lati inu tabi awọn ọna ṣiṣe ti o fojuhan ti a lo lati gbejade. O tun gbe awọn isunmọ ayaworan oriṣiriṣi lori iwọn ero ti o wọpọ laisi fifihan wọn bi awọn ọna ṣiṣe kanna.

Gẹgẹbi iwe naa, awọn awoṣe ti o ni ilaja ede jẹ ifigagbaga pupọ ni awọn eto pupọ: asọtẹlẹ-ibọn kekere pupọ, awọn iṣẹ-ṣiṣe aami ti a sọ di mimọ, awọn aworan imọ asọye ti ọrọ ati iṣaju iṣaju iwọn-nla laarin ọna kan. Awọn awari wọnyẹn ṣe atilẹyin ipari ti o dín ju rirọpo gbogbogbo lọ. Awoṣe le gbejade awọn asọtẹlẹ deede ni eto kan laisi aṣoju awọn ibatan, jiometirika tabi igbekalẹ miiran ti eto amọja nlo ni gbangba. Nitoribẹẹ atunyẹwo naa ya awọn ọran ti ede jẹ wiwo ti o munadoko lati awọn ọran nibiti ede ti to bi aṣoju iṣiro ti o wa labẹ. Iyatọ yẹn jẹ aringbungbun si itumọ awọn abajade ti o yan.

Atunwo naa ṣe ijabọ pe, nigbati aṣoju igbekale tabi iṣiro jẹ iṣiro taara, ko rii ẹri ti rirọpo ti ayaworan gbogbogbo. Kọja awọn agbegbe iwadii, iwe naa n ṣe idanimọ ilana loorekoore: nigbati ede nikan ko to, awọn oniwadi ṣafikun ọna ti o padanu nipasẹ awọn modulu ayaworan, awọn ami igbekalẹ, akiyesi pataki tabi paati ti kii ṣe ede miiran. Orisun naa jẹ oju-iwe 41 kan, iwe akọwe-ọkan arXiv ti a fi silẹ ni Oṣu Kẹjọ Ọjọ 29, Ọdun 2026, ati pe ko ṣe afihan eto idanwo tuntun ti tirẹ. Ilowosi rẹ jẹ nitori naa iṣeto ati itumọ ti iṣẹ iṣaaju, pẹlu iyatọ laarin ede-nikan, arabara ati awọn ọna amọja ni kikun. Ariyanjiyan naa da lori iṣelọpọ iwe-agbelebu kuku ju lori iwe-ipamọ tuntun ti a gbajọ tabi ala.

Awọn alaye orisun: arxiv.org ↗

Kini idi ti o ṣe pataki

Atunwo naa koju alaye aropo ti o rọrun. Ibeere aringbungbun rẹ ni pe iyasọtọ nigbagbogbo n gbe inu tabi lẹgbẹẹ awọn eto awoṣe-ipilẹ kuku ju sisọnu. Iyatọ yẹn ṣe pataki fun awọn oniwadi ati awọn ajọ ti n pinnu boya awoṣe idi-gbogbo le ni aabo tabi mu awọn iṣẹ ṣiṣe ti a ṣeto daradara.

Itumọ iṣe iṣe ni pe awọn iṣiro deede nikan le funni ni aworan ti ko pe boya boya awoṣe ipilẹ kan dara fun iṣẹ iṣeto. Eto ti o da lori ede le han ifigagbaga lori metiriki iṣelọpọ lakoko ti o gbarale awọn aṣoju aiṣe-taara ti ko ni itara, ti ko ṣiṣẹ daradara tabi kere si igbẹkẹle fun awọn ibatan ti n ṣakoso iṣẹ naa. Atunwo naa jiyan pe awọn igbelewọn yẹ ki o ṣe idanwo eto funrararẹ nigbati eto yẹn jẹ aringbungbun si iṣẹ ṣiṣe. Eyi yoo jẹ ki o rọrun lati sọ boya Dimegilio ti o lagbara ṣe afihan imudani gidi ti awọn ibatan ti o yẹ tabi aṣeyọri nikan labẹ wiwọn kan pato. Yoo tun ṣe afihan awọn iṣowo ti abajade iṣẹ-ṣiṣe ipari le fi pamọ.

Isọpọ iwe naa jẹ pataki si awọn ipinnu nipa apẹrẹ awoṣe. Awọn ọna ṣiṣe kikọ awọn ẹgbẹ fun awọn aworan, ironu aami tabi awọn igbewọle eleto le rii pe awoṣe ipilẹ jẹ iwulo bi paati kan, ṣugbọn tun nilo awọn ọna ṣiṣe ti o han gbangba fun aṣoju awọn ibatan ati ṣiṣe iṣiro-agbegbe kan pato. Ninu akọọlẹ yii, iyasọtọ ti wa ni gbigbe si awọn oluyipada, awọn modulu, awọn ami-ami tabi awọn ilana akiyesi dipo imukuro. Iṣeṣe yẹn n yipada bii awoṣe idi-gbogbo yẹ ki o ṣe ayẹwo ati ṣepọ: iye rẹ le wa lati ṣiṣẹ pẹlu paati amọja dipo rirọpo ọkan. Atunwo nitorina ṣafihan yiyan ayaworan bi ibeere ti ibiti o ti gbe igbekalẹ sinu eto naa.

Abajade tun jẹ ẹtọ awọn ẹtọ pe iwọn nikan yoo ṣe awọn awoṣe idi-gbogboogbo awọn aropo gbogbo agbaye. Atunwo naa sọ pe iṣẹ ti o da lori ede ni ilọsiwaju pẹlu igbelowọn, ṣugbọn sọ pe ibeere boya boya igbelowọn le mu aafo kuro nikẹhin pẹlu awọn ile-itumọ eto-iṣe ko ti ni idanwo. Nitoripe orisun naa jẹ atunyẹwo iwe-iwe dipo ikẹkọ afiwera ominira, ko fi idi rẹ mulẹ pe awọn eto amọja yoo ma ju awọn awoṣe ipilẹ lọ nigbagbogbo, tabi ko ṣe iwọn awọn idiyele tabi iwọn eyikeyi aafo to ku. Ipari rẹ jẹ nitori naa iṣọra nipa agbara ti ẹtọ rirọpo, kii ṣe ipo agbaye ti awọn idile awoṣe. Ọrọ ti a ko yanju ni boya igbelowọn ọjọ iwaju ṣe iyipada ibatan laarin iṣẹ ṣiṣe gbogboogbo ati iṣiro igbekalẹ ti o fojuhan.

Interactive Mechanism

Ibaraẹnisọrọ Mechanism: Bii O Ṣe Nṣiṣẹ Lootọ

Ṣawari imọ-ẹrọ abẹlẹ lẹhin idagbasoke yii ni ibaraenisọrọ.

Thinking Budget (Test-Time Tokens):1,024 tokens
Complex Accuracy79%Math & Code Logic
Latency3.2sTime to first full output
Inference Cost$0.0092Per query estimated
Reasoning StyleStep VerificationInternal chain depth
Active Thinking Trace:
1Deconstruct user problem into formal constraints
2Propose candidate hypotheses & step-by-step calculation
3Self-correction: Backtrack and refute subtle edge cases
4Exhaustive consistency check & final output synthesis
Core takeaway: Test-time compute fundamentally changes AI economics. Instead of only scaling during pre-training, giving reasoning models more tokens at inference time allows them to systematically solve PhD-level STEM problems.
Ibanisọrọ Erongba Ṣayẹwo+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

Kini lati wo tókàn

Iwe naa jẹ atunyẹwo ati iṣelọpọ imọran, kii ṣe ala tuntun tabi idanwo iṣakoso. Ipari rẹ pe wiwọn le ma tii aafo naa pẹlu awọn eto-imọ-imọ-itumọ ṣi wa ni idanwo. Iṣẹ iwaju yoo nilo awọn afiwera taara lori ero igbekalẹ, ṣiṣe iṣiro, gbigbe, igbẹkẹle ati idiyele.

Igbesẹ atẹle ti o ṣe pataki julọ ni igbelewọn taara ti igbekalẹ, kii ṣe deede-ṣiṣe ipari nikan. Awọn ijinlẹ ọjọ iwaju yẹ ki o ṣe idanwo boya awọn awoṣe ṣe itọju awọn ibatan, awọn idiwọ akopọ ati awọn ohun-ini pataki-ṣiṣe lakoko ti o tun ṣe iwọn iṣiro, awọn ibeere data, lairi ati lilo awọn orisun. Orisun naa ko pese awọn wiwọn tuntun wọnyẹn, nitorinaa iwọn iṣe ti anfani ti o sọ jẹ aimọ. Iru iṣẹ bẹ yoo so iyatọ ero inu atunyẹwo si imọ-ẹrọ akiyesi ati awọn abajade iwadii. O tun le ṣafihan boya eto kanna ṣe ihuwasi oriṣiriṣi nigbati a ṣe idajọ nipasẹ awọn abajade rẹ, awọn aṣoju rẹ ati awọn orisun ti o nilo lati gba wọn.

Yoo tun ṣe pataki boya apẹẹrẹ atunyẹwo wa ni gbogbo awọn ọna mẹsan ati kọja awọn apẹrẹ ipilẹ-awoṣe tuntun. Awọn awari awọn ẹgbẹ orisun kọja ọdun mẹwa ti iwadii, ṣugbọn yiyan ko ṣe idanimọ gbogbo ilana, iwe tabi ami ifisi ni awọn alaye. Nitorinaa awọn oluka yẹ ki o tọju ipari naa bi iṣelọpọ ti o le ṣe itọsọna iwadii, kii ṣe bii asọtẹlẹ asọye nipa gbogbo ohun elo data ti a ṣeto. Awọn afiwera yoo nilo lati tọju iyatọ laarin awoṣe ti o ni idije ni eto ti a yan ati awoṣe ti o rọpo faaji ti o ṣe koodu eto iṣẹ-ṣiṣe naa. Iyatọ yẹn ṣe pataki paapaa nigbati awọn abajade ba fa lati oriṣiriṣi awọn agbegbe iwadii tabi awọn aṣa igbelewọn.

Awọn oniwadi ati awọn olupolowo yẹ ki o ṣọra fun awọn afiwera iṣakoso laarin awọn eto-ede nikan, awọn eto arabara ati awọn faaji amọja ni kikun. Ẹri to wulo yoo pẹlu igbelewọn ni ita awọn eto nibiti awọn awoṣe ti o ni ilaja ede ti ṣe apejuwe tẹlẹ bi ifigagbaga, awọn idanwo ti iyipada pinpin ati awọn ikuna igbekalẹ, ati ijabọ gbangba ti ikẹkọ ati awọn idiyele inira. Iwe naa ṣii ṣii boya awọn awoṣe ti o tobi julọ le bajẹ yọ iwulo fun igbekalẹ titọ, ṣiṣe iyẹn ibeere iwadii ti ko yanju dipo abajade ti o yanju. Ẹri lati awọn afiwera wọnyẹn yoo ṣe iranlọwọ pinnu boya amọja ko ṣe pataki nitootọ tabi o ti lọ si apakan miiran ti eto naa. Titi di igba naa, atunyẹwo naa ṣe atilẹyin idanwo iṣọra ti awọn arosinu ayaworan dipo ipari ipari pe apẹrẹ kan ti rọpo awọn miiran.

Awọn itọsọna ti o jọmọ & awọn ibeere

Awọn awoṣe AI ti ṣalayeAyirapadaChatGPT & LLMsAI IkẹkọṢe idanwo ohun ti o mọ — gbiyanju idanwo AI ọfẹ kanWa ọrọ AI kan ninu iwe-itumọ waTẹle olutọpa idasilẹ awoṣe AI
Ṣe eyi wulo?