تیم CoTu موفق شده با استفاده از رویکرد «نورو-سیمبولیک» (Neuro-Symbolic)، مدلهای زبانی کوچک (حداکثر 8 میلیارد پارامتر) را بسیار هوشمندتر کند. این سیستم که در مسابقات EXACT 2026 درخشید، به جای پاسخ مستقیم، ابتدا یک «برنامه» (Program-of-Thought) برای حل مسئله مینویسد (مثلاً استفاده از Z3 برای قوانین دانشگاهی یا کدهای پایتون برای فیزیک).
نتیجه؟ پاسخهایی کاملاً دقیق، قابلتفسیر و شفاف که حتی در محیطهای محدود سختافزاری هم فوقالعاده عمل میکنند. این یک گام مهم برای انتقال از مدلهای «جعبه سیاه» به سمت هوش مصنوعی منطقی و قابلاعتماد است. 🚀✨
منبع: arXiv NLP