Un investigador describe un método para evaluar la consistencia lógica de los informes estudiantiles comparando las entradas con las inferencias utilizando condiciones necesarias y suficientes. El enfoque utiliza "entrenamiento de resultado inverso" donde la inferencia sigue el camino normal y luego continúa desde el resultado de vuelta al inicio, permitiendo que el modelo calcule puntuaciones de similitud entre el texto original y su reconstrucción.
- El entrenamiento e inferencia normales se tratan como una condición necesaria (A->B).
- El entrenamiento e inferencia inversos actúan como una condición suficiente (B->A) rastreando desde el resultado hasta el inicio.
- Los umbrales de similitud determinan la calidad lógica: >0.8 es aceptable, 0.7-0.5 indica un salto y <0.5 señala un error.
El autor sugiere que este mecanismo podría integrarse en o reemplazar partes de las arquitecturas LLM para reducir la alucinación.