Para peneliti mengembangkan G-Frame, sebuah kerangka kerja multi-agen adaptif yang mengintegrasikan prinsip Bayesian dan permainan tim untuk mengurangi halusinasi pada model bahasa besar ringan. Pendekatan ini menetapkan loop tertutup otomatis untuk sintesis data berkualitas tinggi dan pelatihan model dengan memaksa internalisasi batasan domain melalui penalaran terstruktur.
- Kerangka kerja tersebut mensintesis korpus khusus yang berisi 363.045 rantai pemikiran dan 199.589 pasangan pertanyaan-jawaban.
- Model 7B hasil, OmniChem, mencapai kesetaraan kinerja dengan GPT 4o mini pada benchmark kustom dan ChemBench.
- OmniChem menunjukkan pengurangan halusinasi sebesar 79,46% relatif terhadap arsitektur dasarnya.
- Sistem ini menunjukkan kemampuan canggih dalam desain molekuler dan perencanaan sintesis.
Karya ini menetapkan paradigma yang dapat diskalakan dengan memanfaatkan multi-agen adaptif untuk mengatasi kekurangan penalaran bawaan, menawarkan jalur yang layak untuk mempercepat penemuan pengetahuan di bidang sains khusus.