一位研究人员概述了一种通过比较输入与推理来评估学生报告逻辑一致性的方法，该方法使用必要条件和充分条件。该方法利用“反向结果训练”，其中推理沿正常路径进行，然后从结果回溯到开头，使模型能够计算原始文本与其重建之间的相似度分数。

  • 正常训练和推理被视为必要条件 (A->B)。
  • 反向训练和推理通过从结果追溯回起点作为充分条件 (B->A)。
  • 相似度阈值决定逻辑质量：>0.8 表示良好，0.7-0.5 表示跳过，<0.5 表示错误。

作者建议该机制可以集成到大语言模型架构中或替换其部分结构，以减少幻觉。