يقترح الباحثون طريقة Fork-think with confidence، التي تحسّن استدعاء نماذج اللغات الكبيرة من خلال تحديد نقاط التفرع باستخدام ثقة النموذج داخل مسار بذرة واحد قبل أخذ عينات من استمراريات متعددة. يتناقض هذا النموذج «قرر أولاً ثم فكّر» مع الأساليب الحالية التي تأخذ العينات من المسارات أولاً ثم تقصّها.
- يقلل استهلاك الرموز بنسبة تصل إلى 30% ووقت التشغيل بنسبة تصل إلى 57% عبر ثلاثة نماذج وثلاثة معايير استدلال.
- يؤدي أداءً يعادل أو يفوق التفكير المتوازي دون الحاجة إلى إعادة التدريب، أو الإحماء، أو التدريب غير المتزامن.
- يُظهر أن أخذ العينات في المواقف اللاحقة يؤدي إلى توليدات أفضل بشكل كبير.
- يدمج مع آليات موجودة مثل التوقف المبكر والتصويت المرجّح لمساواة الأداء بأحدث التقنيات.
تؤسس هذه المنهجية للتفرع المحدد مسبقاً كاتجاه واعد للاستدلال الفعال لنماذج اللغات الكبيرة من خلال تجنب الإفراط في التوليد الكامن في أساليب «فكّر أولاً ثم قرر».