آیا مدلهای زبانی میتوانند از تجربههای قبلی خود برای حل مسائل جدید استفاده کنند؟ محققان بهتازگی فریمورک نوآورانهای به نام Reasoning Memory معرفی کردهاند که با استفاده از تکنیک RAG (بازیابی اطلاعات)، مدل را قادر میسازد تا «دانش رویهای» را ذخیره و بازیابی کند.
بهجای تکیه بر دانش خام، این مدل میتواند در حین تفکر، زیرمراحل و استراتژیهای موفق گذشته را فراخوانی کند. نتیجه؟ بهبود خیرهکننده ۱۹.۵ درصدی در دقت حل مسائل ریاضی، علمی و کدنویسی نسبت به مدلهای معمولی! این دستاورد، گام بزرگی برای هوشمندتر شدن و کاهش خطای مدلها در مسائل پیچیده است. 🔥
منبع: arXiv NLP