محققان در پژوهش جدیدی با نام «Calculus of Fidelity-Graded Translations»، رویکردی نوآورانه برای حل چالش «اعتبار پاسخها» در سیستمهای مبتنی بر LLM ارائه کردهاند. این مدل با ایجاد یک گراف از زبانها و مسیرهای استدلالی مختلف، به جای تکیه بر حدس و گمان، از مکانیسمهای «اثباتمحور» استفاده میکند تا دقت و صحت پاسخها را در محیطهای محاسباتی تضمین کند.
در این فریمورک که با استفاده از ابزار Lean 4 توسعه یافته، فرآیند پرسش و پاسخ به گونهای طراحی شده که حتی اگر مدلها به طور ذاتی غیرقابلاعتماد باشند، سیستم با ردیابی دقیق شواهد، پاسخهای معتبر را از نتایج نامطمئن تفکیک میکند. این گام بزرگی برای رسیدن به هوش مصنوعیِ قابلاعتمادتر در محیطهای حساس علمی و فنی است!
منبع: arXiv AI