محققان در مقالهای جدید، متدولوژی نوآورانهای به نام REFACT معرفی کردهاند که مشکل بزرگ «خطای استنتاج» و «توهم» در مدلهای زبانی را هدف قرار داده است.
این فریمورک با استفاده از یک رویکرد تطبیقی، به مدل یاد میدهد که در هر مرحله از استدلال، چه زمانی نیاز به استناد به منابع خارجی دارد و چگونه حقایق را بازنویسی کند تا هم پاسخها دقیقتر باشند و هم مصرف توکنها به شکل چشمگیری کاهش یابد. نتیجه؟ مدلهایی که با دادههای کمتر، استدلالهای فشردهتر و قابلاعتمادتری ارائه میدهند. ✨
🔗 اگر توسعهدهنده یا محقق حوزه مدلهای زبانی هستید، کدهای این پروژه را میتوانید در گیتهاب بررسی کنید.
منبع: arXiv NLP