בעידן שבו מודלי שפה גדולים (LLM) מצטיינים במתמטיקה ותכנות, הם נתקלים בקשיים בתחומים מדעיים מורכבים כמו רפואה ומדעי חומרים. חוקרים מציגים את WildSci – מאגר נתונים חדשני שמכיל שאלות מדעיות ספציפיות לתחום, שנוצרו אוטומטית מספרות עמיתים שנבדקה. המאגר מכסה 9 תחומי מדע ו-26 תת-תחומים, וממיר משימות היגיון מדעי מורכבות לפורמט שאלות אמריקאיות רב-ברירה. גישה זו מאפשרת אימון בקנה מידה גדול עם אותות תגמול מוגדרים היטב. (72 מילים)
WildSci נוצר כדי להתמודד עם מחסור בכיסוי נתונים ואופי פתוח של שאלות מדעיות. החוקרים מיישמים למידה מחוזקת (RL) לאימון דק של מודלים על הנתונים הללו, ומנתחים דינמיקות אימון כולל שינויי ביצועים ספציפיים לתחום, התנהגויות תגובה ומגמות הכללה. ניסויים על סדרת בדיקות מדעיות מוכיחים את יעילות המאגר והגישה. המאגר זמין כעת ב-Hugging Face תחת https://huggingface.co/datasets/JustinTX/WildSci, ומזמין מחקר מדעי בר קיימא. (92 מילים)
ההתקדמות האחרונה בהיגיון של LLM התמקדה בתחומים עם נתונים איכותיים בשפע ומדדי הערכה אובייקטיביים, כמו מתמטיקה וקידוד. לעומת זאת, בתחומים מדעיים נותרו מגבלות עקב כיסוי נתונים מוגבל ומורכבות שאלות פתוחות. WildSci פותר זאת על ידי סינתזה אוטומטית של שאלות מספרות מדעית עמיתים, ומספק נתונים איכותיים לאימון. (85 מילים)
משמעות WildSci לעסקים ישראליים בתחום הטכנולוגיה והביוטק עצומה: מנהלי חברות יכולים לשפר מודלי AI שלהם להיגיון מדעי, מה שמקצר זמני פיתוח תרופות או חומרים חדשים. בהשוואה למאגרי נתונים קיימים, WildSci מציע כיסוי רחב יותר ומבנה מאומן היטב, ומאפשר התאמה מהירה לצרכים מקומיים כמו מחקר רפואי בישראל. (82 מילים)
WildSci פותח דלת למחקר מדעי מתקדם ומקיים ב-AI. עתה, מפתחים יכולים לאמן מודלים על נתונים איכותיים בקנה מידה, לשפר ביצועים ולהכליל ללא מאמץ. מה תחום המדע הבא שתשפרו בעזרתו? (48 מילים)