Os autores propõem o CheckRLM, um framework que melhora a confiabilidade dos Modelos de Linguagem de Raciocínio ao usar Geração Aumentada por Recuperação para verificar e corrigir oportunamente erros factuais durante a inferência. Esta abordagem extrai afirmações factuais das cadeias de raciocínio para identificar inconsistências e aplica correções de baixo custo por meio de conhecimento externo.
- Extrai afirmações factuais para localizar inconsistências sutis no conhecimento.
- Realiza correções precisas aproveitando o conhecimento externo após a detecção de erros.
- Mitiga o acúmulo de erros em raciocínios de longo prazo com custos menores.
- Supera substancialmente as linhas de base existentes em experimentos extensos.
O CheckRLM garante a coerência entre a cadeia de raciocínio e o conhecimento correto, abordando o problema de erros factuais em tarefas intensivas em conhecimento.