연구자들은 G-Frame을 개발했습니다. 이는 베이지안 및 팀 게임 원리를 통합하여 경량 대규모 언어 모델의 환상을 완화하는 적응형 멀티 에이전트 프레임워크입니다. 이 접근 방식은 구조화된 추론을 통해 도메인 제약 조건을 내면화하도록 강제함으로써 고품질 데이터 합성 및 모델 학습을 위한 자동화된 폐쇄 루프를 확립합니다.
- 프레임워크는 363,045개의 사고 체인과 199,589개의 질문-답변 쌍을 포함한 전문적인 코퍼스를 합성했습니다.
- 결과적으로 얻어진 7B 모델인 OmniChem은 사용자 지정 벤치마크 및 ChemBench에서 GPT 4o mini와 성능 동등성을 달성합니다.
- OmniChem은 기본 아키텍처 대비 환상이 79.46% 감소했습니다.
- 이 시스템은 분자 설계 및 합성 계획에서 고급 기능을 보여줍니다.
이 연구는 적응형 멀티 에이전트를 활용하여 본질적인 추론 결함을 극복하는 확장 가능한 패러다임을 확립하며, 전문 과학 분야에서의 지식 발견 가속화를 위한 실현 가능한 경로를 제공합니다.