محققان در مقالهای جدید، چارچوب نوآورانهای برای توسعه دانش در مدلهای زبانی کوچک (SLM) معرفی کردهاند. مشکل اصلی مدلهای فعلی این است که گاهی اطلاعات نادرست یا متناقض ارائه میدهند.
در این روش جدید، از «تحلیل مفهوم صوری» (Formal Concept Analysis) به عنوان یک حلقه بازبینی استفاده میشود. به این ترتیب، مدل نه تنها اطلاعات را تولید میکند، بلکه آنها را با استفاده از دانشِ مستند و بررسیهای منطقی دقیقاً اعتبارسنجی میکند.
این پیشرفت میتواند به توسعه پایگاههای دانشی قابل اعتمادتر (به ویژه در حوزههای تخصصی مثل پزشکی) کمک زیادی کند و فرآیند «توهم» یا Hallucination را در هوش مصنوعی به شکل چشمگیری کاهش دهد. 💡
منبع: arXiv AI
