محققان در تازهترین دستاورد خود، متدی به نام SLATE را برای بهبود قدرت استدلال مدلهای زبانی (LLMs) در ترکیب با جستجوی اینترنتی معرفی کردهاند.
مشکل اصلی مدلهای فعلی این است که در حین استدلال، به جای بررسی مرحلهبهمرحله، کل مسیر را با یک امتیاز کلی ارزیابی میکنند که باعث کاهش دقت میشود. SLATE با استفاده از «نمونهبرداری مرحلهای» (Step-Level Sampling) و پاداشهای دقیقتر، باعث میشود مدل در هر قدم از مسیر استدلال خود، بازخورد بهتری بگیرد و هوشمندتر عمل کند.
این نوآوری گام بزرگی برای رسیدن به مدلهایی است که در مسائل پیچیده، کمتر اشتباه میکنند و منطقیتر پاسخ میدهند. 🚀✨
منبع: arXiv NLP
