يقترح الباحثون نموذج OAT الخفيف الوزن للنسب غير الخاضع للإشراف للأخطاء في الأنظمة الوكيلية القائمة على نماذج اللغات الكبيرة (LLM)، والذي يتم تدريبه حصريًا على المسارات الناجحة. من خلال صياغة المشكلة كتعلم أحادي الفئة باستخدام المعادلات التفاضلية المتحكم بها بالشبكات العصبية، يحدد OAT خطوات الخطأ أثناء الاستدلال بناءً على انحرافها عن الديناميكيات المُتعلمة.
- يتم التدريب على 100 مسار ناجح فقط دون إشراف على مستوى الخطوات.
- يُخصص درجات شذوذ لخطوات المسارات الفاشلة بناءً على الانحرافات في الفضاء الكامن.
- يحقق تحسينات في درجة F1 بنسبة +20% و+7% مقارنة بالأساسيات القائمة على التوجيه، داخل التوزيع وخارجه على التوالي.
- يعمل بسرعة أسرع بمقدار 200–5000 مرة من الأساليب القائمة على التوجيه الحالية.
يوفر OAT اتجاهًا واعدًا وفعالًا لتشخيص فشل الأنظمة الوكيلية من خلال القضاء على الحاجة إلىannotations الأخطاء المكلفة.