Shehab Anwer ने Agent-ProSAT को ओपन-सोर्स किया है, जो एक पाइपलाइन है जो मॉडल द्वारा उत्पन्न टेक्स्ट पर निर्भर करने के बजाय एजेंट को कोडिंग कराने और सत्यापनीय प्रोग्रामेटिक सॉल्वर को पुनरावृत्ति से सुधारने के लिए चेन-ऑफ़-थॉट (CoT) डेटासेट उत्पन्न करता है।
- सिस्टम तार्किक दृढ़ता की जाँच करने के लिए स्व-सुधार लूप का उपयोग करता है, जो ग्राउंड ट्रुथ और हल्ड-आउट नमूनों के खिलाफ किया जाता है।
- इसका परीक्षण NVIDIA के Nemotron Reasoning Challenge में "एलिस इन वंडरलैंड" तार्किक पहेलियों का उपयोग करके स्थानिक और तार्किक बाधाओं की जाँच करने के लिए किया गया था।
- दृष्टिकोण प्रोग्रामेटिक समीक्षा के माध्यम से हैलुसिनेशन जोखिमों को कम करने और SFT/RL पाइपलाइन में टोकन उपयोग को बेहतर बनाने का लक्ष्य रखता है।
लेखक कोडबेस, फाइन-ट्यूनिंग के लिए एक Kaggle नोटबुक और Hugging Face पर परिणामी ProSAT CoT डेटासेट साझा करता है।