Um pesquisador descreve um método para avaliar a consistência lógica dos relatórios estudantis comparando entradas com inferências usando condições necessárias e suficientes. A abordagem utiliza "treinamento de resultado reverso" onde a inferência segue o caminho normal e depois continua do resultado de volta ao início, permitindo que o modelo calcule escores de similaridade entre o texto original e sua reconstrução.
- O treinamento e a inferência normais são tratados como uma condição necessária (A->B).
- O treinamento e a inferência reversos atuam como uma condição suficiente (B->A) rastreando de volta do resultado ao início.
- Os limiares de similaridade determinam a qualidade lógica: >0.8 é aceitável, 0.7-0.5 indica uma omissão e <0.5 sinaliza um erro.
O autor sugere que este mecanismo pode ser integrado ou substituir partes das arquiteturas de LLMs para reduzir a alucinação.