محققان در مقالهای جدید، فریمورک نوآورانهای به نام IFAR (استدلال استنتاجی معکوس-پیشرو) را معرفی کردهاند که چالش بزرگ «استدلال استنتاجی» در مدلهای زبانی بزرگ (LLM) را هدف قرار داده است.
چرا این خبر مهم است؟
مدلهای هوش مصنوعی معمولاً در درک علل چندلایه (مثلاً ریشهیابی آلودگی یا بیماریها) ضعف دارند. متد IFAR با ترکیب استدلال معکوس و تایید پیشرو، دقت مدلها را تا ۴۰٪ افزایش داده است. این یعنی هوش مصنوعی حالا میتواند منطقیتر و دقیقتر در حل مسائل پیچیده عمل کند. 🚀
این تحقیق گام بزرگی برای رسیدن به مدلهای «متفکر»تر در آینده نزدیک است.
منبع: arXiv AI