शोधकर्ता MARGO (Mixed-Mode Advantage Regularization for Grounded Optimization) का प्रस्ताव करते हैं, जो बड़े तर्कसंगत मॉडलों में "सोच-प्रेरित हैलुसिनेशन" को कम करने के लिए डिज़ाइन किया गया एक रीइन्फोर्समेंट लर्निंग फ्रेमवर्क है। यह विफलता मोड तब होता है जब स्पष्ट सोच ट्रेस सही बिना-सोच उत्तरों को उलट देते हैं, जिससे तथ्यात्मक विचलन होता है।
- MARGO लाभ अनुमान के दौरान समान-मॉडल संदर्भ के रूप में बिना-सोच रोलआउट का उपयोग करता है यह मूल्यांकन करने के लिए कि क्या स्पष्ट सोच सीधे उत्तर देने के परे तथ्यात्मक मूल्य जोड़ती है।
- फ्रेमवर्क मिश्रित-मोड रोलआउट समूह बनाता है जिसमें सोच और बिना-सोच दोनों ट्रैजेक्टरी शामिल होती हैं, ताकि हैलुसिनेशन-प्रवण सोच को दबाते हुए लाभकारी व्यवहारों को संरक्षित किया जा सके।
- तथ्यात्मकता-उन्मुख QA बेंचमार्क्स पर प्रयोग मजबूत बेलाइनों के सापेक्ष बढ़ी हुई तथ्यात्मक विश्वसनीयता दिखाते हैं, जबकि गणितीय बेंचमार्क्स पर मूल्यांकन सामान्य तर्कसंगत क्षमता के संरक्षण को दर्शाते हैं।