تا به حال برایتان پیش آمده که یک مدل هوش مصنوعی در همان ابتدای استدلالش اشتباه کند و تا انتها مسیر را غلط برود؟ این «گلوله برفی خطا» یا همان Error Snowballing یکی از مشکلات اصلی مدلهای چندوجهی است.
محققان در مقالهای جدید، چارچوب نوآورانه CART (Constraint-Anchored Reasoning Traces) را معرفی کردهاند. این متد با ترکیب استدلالهای منطقی و قیدهای نمادین، به مدل اجازه میدهد در حین حل مسئله، صحت گامهای خود را بررسی کند. اگر مدل به یک تناقض برسد، سیستم هوشمندانه به عقب برمیگردد و مسیر را اصلاح میکند تا از انحراف کل پروسه جلوگیری شود. 🧠✨
این یعنی استدلالهای دقیقتر و نتایج قابلاطمینانتر در مدلهای آینده!
منبع: arXiv AI