शोधकर्ताओं ने एक पूर्णतः स्वचालित पाइपलाइन प्रस्तुत की जो बड़े भाषा मॉडलों के बहु-एजेंट फ्रेमवर्क का उपयोग करके 665,901 अमेरिकी पेटेंट प्रतिक्रियाओं पर प्रतिक्रियाओं को वर्गीकृत करने और नियम उत्पन्न करने के लिए है। यह दृष्टिकोण मान्यता चक्र में प्रत्येक नियम को कॉरपस के खिलाफ परखकर, मानवीय निगरानी के बिना एक मानक टैक्सोनॉमी को 68 से बढ़ाकर 14,073 श्रेणियों तक विस्तारित करता है।
- प्रणाली मान्यता चक्र के तहत प्रतिक्रिया नियम उत्पन्न करती है जो उन्हें 665,901 अमेरिकी पेटेंट प्रतिक्रियाओं के कॉरपस के खिलाफ परखते हैं।
- यह मानवीय निगरानी के बिना मानक टैक्सोनॉमी को 68 से बढ़ाकर 14,073 श्रेणियों तक विस्तारित करती है।
- एक हल्का फिंगरप्रिंट वर्गीकारक अज्ञात प्रतिक्रियाओं पर 97.7% सटीकता प्राप्त करता है, जो एक अग्रणी स्वामित्व वाले वर्गीकारक के बराबर है जबकि रसायन विज्ञान को अधिक सूक्ष्मता से हल करता है।
परिणाम एक जीवित अभिक्रियाशीलता डेटाबेस और जनरेटिव मॉडलों को विश्वसनीय, स्व-विस्तारित प्रतीकात्मक प्रणालियों में बदलने का एक सामान्य मार्ग है।