طور الباحثون G-Frame، وهو إطار عمل متعدد الوكلاء متكيف يدمج مبادئ بايز وألعاب الفريق للتخفيف من الهلوسة في نماذج اللغة الكبيرة الخفيفة الوزن. يؤسس هذا النهج حلقة مغلقة آلية لتوليف البيانات عالية الجودة وتدريب النموذج من خلال فرض استيعاب قيود المجال عبر الاستدلال المنظم.
- قام الإطار بتوليف مجموعة بيانات متخصصة تحتوي على 363,045 سلسلة تفكير و199,589 زوجًا من الأسئلة والأجوبة.
- يحقق النموذج الناتج بحجم 7 مليار معلمة، وهو OmniChem، تكافؤًا في الأداء مع GPT 4o mini على المقاييس المخصصة وChemBench.
- يُظهر OmniChem انخفاضًا بنسبة 79.46% في الهلوسة مقارنة ببنية الأساس الخاصة به.
- يُظهر النظام قدرات متقدمة في تصميم الجزيئات وتخطيط التخليق.
يؤسس هذا العمل نموذجًا قابلاً للتوسع يستخدم وكلاء متعددين متكيفين للتغلب على قصور الاستدلال المتأصل، مما يوفر مسارًا ممكنًا لتسريع اكتشاف المعرفة في المجالات العلمية المتخصصة.