مدلهای زبانی بزرگ (LLM) گاهی در استدلالهای علمی دچار خطاهای ساختاری یا منطقی میشوند که اعتماد به نتایج آنها را سخت میکند. محققان به تازگی فریمورک جدیدی به نام PEARL را معرفی کردهاند که به جای اتکای صرف به خروجیهای خام، آنها را به «گرافهای استدلالی قابلسنجش» تبدیل میکند.
این ابزار با استفاده از یک لایه بازسازی (Repair Layer) و بازخورد مبتنی بر شواهد، خروجیهای مدل را اصلاح میکند تا علاوه بر درستیِ محتوا، مسیر استدلال هم برای محققان کاملاً قابل رهگیری و شفاف باشد. این یک تحول مهم برای ایجنتهای هوش مصنوعی در محیطهای تحقیقاتی است که نیاز به دقت علمی بالا دارند. 🔬✨
منبع: arXiv AI