# پژوهشگران CARE را برای کاهش بازبینی انسانی در تصمیم‌های هوش مصنوعی معرفی کردند

> بر اساس آزمایش‌ها روی داده‌های رانندگی، زبان و رباتیک، سامانه CARE نیاز به بازبینی انسانی را 25‑81% کاهش می‌دهد و ایمنی را حفظ می‌کند.

Oossa · 2026-10-08 · https://oossa.com/fa/researchers-unveil-care-pipeline-to-cut-human-checks-in-ai-decisions

تیمی به سرپرستی چنیو ژانگ در مقاله‌ای که 6 اکتبر 2026 منتشر شد، CARE را معرفی کرد؛ روشی با نام کامل «اصلاح تطبیقی کالیبره‌شده و ارجاع» (calibrated adaptive rectification and escalation). این روش به مدل هوش مصنوعی اجازه می‌دهد فقط در صورت نیاز از انسان کمک بخواهد و سپس از بازخورد دریافتی برای بهبود پیش‌بینی‌های بعدی استفاده کند. آزمایش‌ها روی چهار مجموعه‌داده واقعی و حساس از نظر ایمنی نشان می‌دهد این روش ضمن حفظ ایمنی تصمیم‌ها، تعداد درخواست‌های کمک از انسان را در مقایسه با روش‌های موجود 25‑81% کاهش می‌دهد.

## حقایق

- مقاله در 6 اکتبر 2026 ارسال شد («سه‌شنبه، 6 اکتبر 2026، ساعت 19:44:15 به وقت UTC»)
- تعداد درخواست‌های کمک از انسان در چهار مجموعه‌داده 25‑81% کاهش یافت

## چرا مهم است

برای شرکت‌هایی که هوش مصنوعی را در حوزه‌های حساس از نظر ایمنی به کار می‌گیرند، CARE می‌تواند ضمن حفظ نظارت انسانی، هزینه نیروی کار را کاهش دهد.

## منابع و ارجاع‌ها

1. [Careful Judge: Safe and Efficient Human-AI Collaborative Decision Making](https://arxiv.org/abs/2610.09043) – arXiv stat.ML, 2026-10-08

آخرین به‌روزرسانی: 2026-10-08