
I ricercatori di Amazon Science hanno scoperto perché gli agenti di apprendimento automatico non sovrapprendono. Utilizzano un ciclo di "ricerca" che raffina iterativamente le ipotesi con conoscenze esterne, anziché semplicemente memorizzare i dati per l'addestramento.
Questo approccio consente agli agenti di evitare il sovrapprendimento e migliorare la qualità delle loro previsioni. La ricerca è stata pubblicata sul sito di Amazon Science.
La discussione della ricerca è disponibile anche su news.ycombinator.com.
Questa ricerca può aiutare a migliorare la qualità degli agenti di apprendimento automatico e renderli più efficaci in vari compiti.