محققان در مقاله جدیدی به سراغ یکی از بزرگترین چالشهای مدلهای زبانی (LLM) یعنی «توهم» (Hallucination) در دنیای عاملهای هوشمند رفتهاند. روش جدیدی به نام «GILP» طراحی شده که با ترکیب مدلهای دنیای پارامتری و استدلالهای مبتنی بر API، جلوی خطاهای محاسباتی و توهمات مدل را میگیرد.
نتایج فوقالعاده است: نرخ خطای حالت (State) از ۰.۱۷۶ به ۰.۰۳۵ کاهش یافته و موفقیت در انجام وظایف بهطور چشمگیری بهبود پیدا کرده است. این یعنی عاملهای هوشمند در آینده بسیار دقیقتر و قابلاعتمادتر عمل خواهند کرد. 🚀
منبع: arXiv AI
