Nuova ricerca sull'IA introduce il metodo CLewR per migliorare la traduzione automatica attraverso l'apprendimento curricolare

Un nuovo metodo di addestramento dell'IA chiamato CLewR (Curriculum Learning with Restarts) è stato sviluppato per migliorare le prestazioni della traduzione automatica nei grandi modelli linguistici. I ricercatori hanno integrato l'apprendimento curricolare negli algoritmi di ottimizzazione delle preferenze, affrontando l'aspetto precedentemente poco esplorato dell'ordinamento dei campioni di dati durante l'addestramento. La strategia CLewR ripete ciclicamente sequenze curricolari da facili a difficili durante l'addestramento per prevenire la dimenticanza catastrofica degli esempi più semplici. Questo approccio ha dimostrato miglioramenti costanti delle prestazioni attraverso diverse famiglie di modelli, tra cui Gemma2, Qwen2.5 e Llama3.1. La ricerca si basa su lavori precedenti che mostrano come i grandi modelli linguistici raggiungano già risultati competitivi nella traduzione automatica multilingue zero-shot. Il team ha reso pubblico il proprio codice, rendendo la metodologia disponibile per ulteriori sviluppi e applicazioni. Il lavoro è stato pubblicato su arXiv, una piattaforma per pre-stampe scientifiche in campi che includono informatica e linguistica computazionale.