← AI 動態
The Decoder
Google 新技術解決 AI 死背問題，效能大增又省算力
AI 代理在自我優化時常會「死背考題」。Google 最新提出的 RRSI 方法成功解決此過度擬合問題，不僅提升 AI 在未知任務的成績，更節省了 30% 的運算資源。
近年來，具備自我優化能力的 AI 代理（AI Agents）發展迅速。這些代理程式通常由大型語言模型驅動，並搭配各種提示詞、工具與記憶體來執行複雜任務。然而，研究人員發現一個致命缺點：這些 AI 在反覆測試中，往往會走捷徑「死背」測試任務的最佳解法。這種在機器學習中被稱為「過度擬合（Overfitting）」的現象，會導致 AI 在面對全新的真實問題時，表現大幅衰退。
為了解決這個痛點，Google Cloud AI 研究團隊與多所大學合作，開發出名為 RRSI 的全新方法。這套機制能有效約束 AI 的學習過程，避免其過度專注於當前的測試環境，強迫模型發展出具備泛用性的解題邏輯。實驗數據顯示，採用 RRSI 方法後，AI 不僅在從未見過的基準測試中成績提升最高 4.7 分，更能減少約 30% 的 Token 消耗量，大幅降低了運算成本。
對一般大眾與企業而言，這項技術突破代表未來的 AI 助理將更加靈活且聰明。未來的 AI 不再只是會死記硬背的機器人，而是能舉一反三、解決各類未知難題的得力助手。同時，運算資源的大幅節省也意味著開發與運行成本的降低，這將有助於更強大、更經濟實惠的 AI 應用加速普及至我們的日常生活中。