Yapay zeka alanında önemli bir gelişme yaşanırken, araştırmacılar büyük dil modellerinin doğruluk oranını artıran yenilikçi bir yöntem ortaya koydu. fs1 olarak adlandırılan bu teknik, modellerin muhakeme süreçlerini bilgi graflarındaki doğrulanmış bilgi yollarıyla destekleyerek çalışıyor.
Geliştirilen yöntem, yapay zeka modellerinin karmaşık sorulara cevap verirken izlediği düşünce süreçlerini, bilgi graflarında yer alan doğrulanmış bilgi bağlantılarıyla temellendiriyor. Bu yaklaşım sayesinde modeller, sadece tahmin yürütmek yerine gerçek bilgilere dayanan mantıklı çıkarımlar yapabiliyor.
Araştırma kapsamında sekiz farklı dil modeli, 3900 adet doğrulanmış muhakeme örneği kullanılarak eğitildi. Bu modeller daha sonra toplam 23.900 sorudan oluşan altı farklı karmaşık soru-cevap veri setinde test edildi. Sonuçlar oldukça etkileyici çıktı: fs1 yöntemiyle eğitilen modeller, geleneksel yaklaşımlarla eğitilen benzerlerinden yüzde 6-14 oranında daha başarılı performans sergiledi.
Araştırmanın detaylı analizleri, bu yöntemin özellikle üç veya daha fazla adım gerektiren karmaşık sorularda ve sayısal cevaplar içeren sorularda belirgin üstünlük sağladığını ortaya koyuyor. Dikkat çeken bir başka bulgu ise, küçük ölçekli dil modellerinin bu yaklaşımdan en fazla yarar sağlaması oldu.