محققان در مطالعهای جدید، فریمورک «SPADER» را معرفی کردهاند که تحولی در استفاده از ابزارهای هوشمند (Tool-use agents) برای پرسش و پاسخهای چندگزینهای (Multi-Answer QA) ایجاد میکند.
مشکل اصلی مدلهای فعلی این است که وقتی با سوالاتی روبرو میشوند که بیش از یک جواب درست دارند، در مسیر یابی و کشف اطلاعات به مشکل میخورند. SPADER با دو تکنیک خلاقانه، این مشکل را حل کرده است:
✅ استفاده از مکانیسم «Step-wise Peer Advantage» برای تخصیص اعتبار به هر مرحله از جستجو.
✅ استفاده از پاداشهای «تنوعگرا» که مدل را تشویق میکند به جای تکرار پاسخهای رایج، به دنبال کشف پاسخهای کمیاب و دقیقتر باشد.
نتایج آزمایشها روی دیتاسیتهای معتبری مثل WebQSP نشان میدهد که این متد هوش مصنوعی را در رسیدن به پاسخهای جامع بسیار دقیقتر کرده است. 💡
منبع: arXiv AI
