लेखकों ने CheckRLM का प्रस्ताव दिया है, एक फ्रेमवर्क जो इनफरेंस के दौरान तथ्यात्मक त्रुटियों को समय पर जाँचने और सुधारने के लिए रीट्रिवल-एंगमेंटेड जनरेशन का उपयोग करके रीजनिंग लैंग्वेज मॉडल्स की विश्वसनीयता को बढ़ाता है। यह दृष्टिकोण असंगतियों की पहचान करने के लिए तर्क श्रृंखलाओं से तथ्यात्मक दावों को निकालता है और बाह्य ज्ञान के माध्यम से न्यूनतम लागत वाले सुधार लागू करता है।
- सूक्ष्म ज्ञान असंगतियों को स्थानीयकृत करने के लिए तथ्यात्मक दावों को निकालता है।
- त्रुटि पता लगाने पर बाह्य ज्ञान का लाभ उठाकर सटीक सुधार करता है।
- कम लागत के साथ दीर्घकालिक रीजनिंग में त्रुटि संचय को कम करता है।
- व्यापक प्रयोगों में मौजूदा बेलाइनों की तुलना में काफी बेहतर प्रदर्शन करता है।
CheckRLM तर्क श्रृंखला और सही ज्ञान के बीच सहसंबंध सुनिश्चित करता है, ज्ञान-गहन कार्यों में तथ्यात्मक त्रुटियों की समस्या को हल करता है।