IBM ve Confluent, zaman serisi temel modellerini Confluent platformuna yerleştirdi. Bu modeller, Apache Flink ile akış verilerinde tahmin, anomali tespiti ve optimizasyon sağlar. CPU tabanlı çalışma, GPU gereksinimini ortadan kaldırarak bulut ve yerel kurulumlarda gerçek zamanlı karar destek sistemlerini erişilebilir kılar.
IBMARL, çoklu ajan takviyeli öğrenmede insan gösterimlerini verimli kullanarak eğitim hızını artırır. Yöntem, tek bir göstericinin sırayla ajanları kontrol etmesini sağlayan R2BC'yi temel alır. Merkezi eleştirmenler, taklit ve RL politikalarını birleştirerek daha hızlı ve etkili öğrenme sağlar. Dört benchmark'ta IBMARL, gösterim tabanlı yöntemlerden 2.6-4.2 kat daha hızlı sonuç alır ve bazı görevlerde göstericinin performansını aşar.
arXiv / cs.AI + cs.CL1 dk okuma
1–2 / 2 yayın
Nasıl hazırlıyoruz?
Kaynağı belli. Sınırları açık.
Resmî duyuruları, araştırma makalelerini ve açık kaynak projelerinin sürüm notlarını yapay zekâ ile Türkçe özetliyoruz. Her haberde kaynak bağlantılarına, kullanım alanlarına ve açıklanmayan noktalara yer veriyoruz.
Doğrudan kaynak
Araştırma makalesine, model duyurusuna veya projenin deposuna haberden ulaşabilirsiniz.
Bulgular ve yorumlar
Kaynakta açıklanan sonuçları, olası kullanım alanları ve bilinmeyenlerden ayrı sunuyoruz.
Görsellerin kaynağı
Görsel ve videoların kaynağını belirtiyoruz. Konuyu anlatmak için kullanılan illüstrasyonları da işaretliyoruz.
Araştırma kaynakları
Makaleleri kendiniz keşfedin.
Yeni çalışmalar bulabileceğiniz dizinler ve araştırma laboratuvarları. Bir görsel özet ilginizi çekerse sonuçları özgün makaleden okuyun.