محققان در مقاله جدیدی به بررسی چالشهای بازیابی اطلاعات در گرافهای دانشی (Knowledge Graphs) پرداختهاند و پروتکل جدیدی به نام «TraceBound» را معرفی کردهاند.
برخلاف تصور رایج، این پژوهش نشان میدهد که وادار کردن مدل به «فکر کردن» یا تحلیل قبل از جستجو (در سیستمهای بازیابیِ تطبیقی)، همیشه منجر به بهبود دقت نمیشود و گاهی حتی باعث کاهش کارایی مدل میشود. این یافته به ما یادآوری میکند که برای بهبود عملکرد هوش مصنوعی، نباید صرفاً به تغییر ظاهر پرسوجوها (Prompting) تکیه کرد، بلکه باید به «فرایند انتخاب اقدام» و مدیریت منابع مدل به عنوان یک مسئله کنترلی دقیق نگاه کنیم.
این تحقیق گام مهمی در درک بهترِ گلوگاههای مدلهای زبانی در هنگام کار با دادههای ساختاریافته است.
منبع: arXiv AI
