Ajanlar yeni bir yeteneği öğrenirken eski yeteneklerini unutuyor mu?
Orijinal başlık: WeAct: Dynamic Weight Switching as Agent Actions
KISACA
- Tek cümlede
- WeAct, görev sırasında ağırlıkları değiştirerek farklı yetenekleri aktif ediyor.
- Bulgu
- Amaç, aynı parametreleri güncellerken önceki becerileri silen 'katastrofik unutma'yı engellemek.
- Neden önemli?
- Sabit bir ağırlık yapısı yerine dinamik geçiş, görev boyunca farklı yeteneklerin korunmasını sağlayabilir.
Ne oldu?
Uzun soluklu gorevler ustlenen yapay zeka ajanlarinin, birbirinden farkli yetenekleri art arda gelen deneyimlerden ogrenmesi gerekiyor. Ancak paylasilan parametreleri guncelleyerek yeni bir yetenek ogrenmek, daha once ogrenilmis yetenekleri unutturabiliyor (katastrofik unutma). WeAct adli yontem, bir gorev ilerlerken farkli asamalarda farkli yeteneklerin gerekebilecegi gerceginden yola cikarak, agirliklarin dinamik olarak degistirilmesini bir ajan eylemi haline getiriyor.
NOTUM
Ajanların öğrenme süreci, sabit parametre yerine dinamik ağırlıklarla evrimleşiyor.
BU NOTUN VİDEOSU
Aynı haberin kısa dikey video özeti.
Bu notu kaynak göstererek alıntılayabilirsin: Hasan Amanet, “Ajanlar yeni bir yeteneği öğrenirken eski yeteneklerini unutuyor mu?”, Notes for Data Science, 20 Ekim 2026.