研究者らは、G-Frameを開発した。これはベイズ理論とチームゲームの原理を組み合わせて、軽量な大規模言語モデルにおける幻覚を軽減する適応型マルチエージェントフレームワークである。このアプローチは、構造化された推論を通じてドメイン制約の内面化を強制することで、高品質なデータ合成とモデル訓練のための自動化されたクローズドループを確立する。

  • フレームワークは、363,045件の思考の連鎖と199,589件の質問応答ペアを含む専門的なコーパスを合成した。
  • 結果として得られた7BモデルであるOmniChemは、カスタムベンチマークおよびChemBenchにおいてGPT 4o miniと同等のパフォーマンスを実現している。
  • OmniChemは、ベースアーキテクチャと比較して幻覚が79.46%減少している。
  • このシステムは分子設計および合成計画において高度な能力を示している。

本研究は、適応型マルチエージェントを活用して本質的な推論の欠陥を克服するスケーラブルなパラダイムを確立し、専門的な科学分野における知識発見の加速に向けた実現可能な道筋を提供する。