مدلهای زبانی کوچک معمولاً در مسائل پیچیده فیزیک به دلیل خطاهای زنجیرهای در استدلال، دچار مشکل میشوند. حالا محققان چارچوب جدیدی معرفی کردهاند که با استفاده از «بازخورد ساختاریافته» در سطح هر مرحله، مدل را وادار به اصلاح گامبهگام استدلال میکند.
ویژگیهای کلیدی این دستاورد:
✅ افزایش ۱۵ تا ۲۰ درصدی دقت در حل مسائل فیزیک.
✅ کاهش چشمگیر خطاهای محاسباتی و درک مطلب.
✅ عدم نیاز به دادههای آموزشی خاص یا حلکنندههای انسانی؛ مدل خودش یاد میگیرد چطور استدلالش را اصلاح کند.
این یعنی در آینده نزدیک، مدلهای کوچکتر با مصرف انرژی کمتر، بسیار دقیقتر و منطقیتر از قبل عمل خواهند کرد. گام بزرگی برای رسیدن به دقت علمی در ابزارهای هوش مصنوعی! 🧠✨
منبع: arXiv AI