depth-recurrent model

AI模型在数独等离散世界间的知识迁移能力接受测试

研究人员开发了一个新颖的框架，通过测试深度递归模型在简单离散世界（如数独类谜题）之间迁移知识的能力，来评估其通用智能。该模型接受了各种规则组合的训练，然后在新谜题、规则组合和全新的规则实例上进行测试。当遇到先前学习规则的新组合时，模型表现出色，在提供符号规则描述时准确率达到99%，而在提供已解决的示例时准确率则为95%。然而，当遇到训练期间从未共同出现过的规则实例时，其性能下降到基线以下，表明其泛化能力存在局限性。