چکیده
It seems like you haven't provided the Persian text that needs to be improved. Could you please share the specific text you'd like me to edit?
متن کامل
**عنوان:** تحلیل آماری افزونگی معیارهای سنجش هوش مصنوعی فیزیکی
**نویسندگان:** زاروهی ناوساردیان، هرانت داوتیان
مشاهده PDF مقاله با عنوان «تحلیل آماری افزونگی معیارهای سنجش هوش مصنوعی فیزیکی»، توسط زاروهی ناوساردیان و یک نویسندهٔ دیگر
مشاهده PDF | HTML (آزمایشی)
**چکیده:**
مدلهای هوش مصنوعی فیزیکی بر روی مجموعهای از معیارهای ارزیابی ارزیابی میشوند که در گزارشهای مختلف مدلها متفاوت است؛ این امر ماتریس مدل‑به‑معیار را پراکنده (sparse) ساخته و رابطه بین معیارهای سنجش را نامشخص میگذارد. ما ماتریسی از ۵۱ مدل بر روی ۱۲ معیار سنجش هوش مصنوعی فیزیکی میسازیم؛ این معیارها از فهرستی شامل ۵۱ معیار سنجش و ۱۵۲ مدل، بر اساس تراکم گزارش‑دهی انتخاب شدهاند. امتیازات را از کارتهای مدل و مقالات معیارهای سنجش، به همراه نتایج ارزیابی خودمان تحت پروتکل رسمی هر معیار، ترکیب میکنیم.
میزان اطلاعات مشترک بین معیارهای سنجش را اندازهگیری کرده و شواهد کمی از افزونگی ارائه میدهیم. افزونگی بر رتبهبندیهای گزارششده تأثیر میگذارد؛ ادغام دو جفت معیار جایگزین در ستونهای جداگانه، ۲۲ مدل از ۵۱ مدل را تحت میانگین با وزن برابر، سه جایگاه یا بیشتر جابهجا میکند.
سپس معیارهای سنجش را بهصورت حریصانه تحت یک تابع سودمندی (utility) انتخاب میکنیم که این تابع پراکندگی امتیاز را با واریانسی که توسط مجموعهای از معیارهای پیش‑انتخابشده تبیین نمیشود، ترکیب میکند. به این ترتیب به یک زیرمجموعهی چهارمعیاره میرسیم که ۷۸.۵٪ از سودمندی کل ۱۲ معیار را حفظ میکند؛ بر روی این زیرمجموعه رتبهبندی بردلی‑تری (Bradley–Terry) را برازش میکنیم. این روش تنها به امتیازهای سطح معیار با همپوشانی کافی نیاز دارد و بهطور خاص به هوش مصنوعی فیزیکی محدود نیست.
**موضوعات:** رباتیک (cs.RO)؛ هوش مصنوعی (cs.AI)
**استناد به صورت:** arXiv:2608.25940 [cs.RO] (یا arXiv:2608.25940v1 [cs.RO] برای این نسخه)
https://doi.org/10.48550/arXiv.2608.25940
برای آشنایی بیشتر با DOI صادرشده توسط arXiv از طریق DataCite (در انتظار ثبت) تمرکز کنید
**تاریخچه ارسال**
از: دکتر هرانت داوتیان [مشاهده ایمیل]
[v1] چهارشنبه، ۲۶ اوت ۲۰۲۶، ۱۵:۵۴:۱۵ UTC (۷۸۵ کیلوبایت)
**ابزارهای کتابشناختی**
ابزارهای کتابشناختی و استنادی
کاوشگر کتابشناختی | فعالسازی کاوشگر کتابشناختی (کاوشگر چیست؟)
مقالات مرتبط | فعالسازی مقالات مرتبط (مقالات مرتبط چیست؟)
نقشههای ادبیاتی | فعالسازی نقشههای ادبیاتی (نقشههای ادبیاتی چیست؟)
scite.ai | فعالسازی استنادهای هوشمند scite (استنادهای هوشمند چیست؟)
**کد، داده، رسانه**
کد، داده و رسانه مرتبط با این مقاله
alphaXiv | فعالسازی alphaXiv (alphaXiv چیست؟)
پیوندها به کد | فعالسازی CatalyzeX، جستجوگر کد مقالات (CatalyzeX چیست؟)
DagsHub | فعالسازی DagsHub (DagsHub چیست؟)
GotitPub | فعالسازی Gotit.pub (Gotit.pub چیست؟)
Huggingface | فعالسازی Hugging Face (Huggingface چیست؟)
ScienceCast | فعالسازی ScienceCast (ScienceCast چیست؟)
**نسخههای نمایشی**
Replicate | فعالسازی Replicate (Replicate چیست؟)
Spaces | فعالسازی Hugging Face Spaces (Spaces چیست؟)
Spaces | فعالسازی TXYZ.AI (TXYZ.AI چیست؟)
**مقالات مرتبط**
ابزارهای پیشنهاددهنده و جستجو
پیوند به Influence Flower | فعالسازی Influence Flower (Influence Flower چیست؟)
توصیهگر CORE | فعالسازی توصیهگر CORE (توصیهگر CORE چیست؟)
**نویسنده** | **محل برگزاری** | **نهاد** | **موضوع**
**درباره arXivLabs**
arXivLabs: پروژههای آزمایشی با همکاری جامعه
arXivLabs چارچوبی است که به همکاران اجازه میدهد تا ویژگیهای جدید arXiv را مستقیماً در وبسایت ما توسعه داده و به اشتراک بگذارند.
افراد و سازمانهایی که با arXivLabs همکاری دارند، ارزشهای ما از جمله باز بودن، جامعه، برتری و حریم خصوصی دادههای کاربران را پذیرفته و پذیرفتهاند. arXiv به این ارزشها متعهد است و تنها با همکارانی که به آنها پایبند هستند، همکاری میکند. آیا ایدهای برای پروژهای دارید که بتواند ارزش افزایی برای جامعه arXiv ایجاد کند؟ برای اطلاعات بیشتر درباره arXivLabs مطالعه کنید. کدام نویسندگان این مقاله تایید کنندهاند؟ | غیرفعال کردن MathJax (MathJax چیست؟)