مدلهای زبانی (LLMs) معمولاً در حل مسائل پیچیده دستکاری بیت (Bit Manipulation) و محاسبات منطقی دچار توهم و خطا میشوند. اما پژوهشگران در مقاله جدید خود، رویکرد متفاوتی را معرفی کردهاند که به جای درگیری با محاسبات سنگین ریاضی، بر «شباهت رشتهای» و «جستجوی ساختاریافته» تمرکز دارد.
نکات کلیدی این دستاورد:
🔹 حذف محاسبات پیچیده ریاضی و استفاده از روشهای جستجوی عقبگرد (Backtracking).
🔹 استفاده از توکنبندی تکبیتی برای درک بهتر الگوهای منطقی.
🔹 افزایش دقت در استنتاج قوانین پنهانِ ورودی و خروجیهای باینری.
این تحقیق نشان میدهد که با تغییر معماری تفکر مدلها، میتوان محدودیتهای فعلی در حل مسائل منطقی و محاسباتی را تا حد زیادی پشت سر گذاشت. آینده هوش مصنوعی در درک عمیقتر از منطق است! 🧠✨
نویسی
منبع: arXiv AI