Stanford Üniversitesi'nden araştırmacılar, yapay zekanın gelecek hakkında tahmin yapma yeteneğini önemli ölçüde geliştiren yenilikçi bir sistem geliştirdi. BLF (Bayesian Linguistic Forecaster) olarak adlandırılan bu sistem, geleneksel tahmin yöntemlerini geride bırakarak alanında önemli bir ilerleme kaydetmiş bulunuyor.
Sistemin temelinde üç temel yenilik yer alıyor. İlki, sayısal olasılık tahminleriyle doğal dil kanıt özetlerini birleştiren Bayes dil temelli inanç durumu yaklaşımı. Bu yöntem, sürekli büyüyen bağlamsal verilere tüm kanıtları ekleme geleneğinden farklı olarak, her adımda büyük dil modeli tarafından güncellenen yarı yapılandırılmış bir temsil kullanıyor.
İkinci yenilik, bağımsız denemeler yürüterek bunları veri bağımlı öncelik ile logit-uzayında küçültme kullanarak birleştiren hiyerarşik çoklu deneme agregasyonu. Üçüncü özellik ise, çarpık temel oranlara sahip kaynaklar için aşırı küçültme sorununu önleyen hiyerarşik önceli Platt ölçeklendirmesi.
ForecastBench liderlik tablosundan 400 geriye dönük test sorusu üzerinde yapılan değerlendirmelerde, BLF tüm önde gelen açık kaynak yöntemleri geçmeyi başardı. Bu başarı, finans tahminlerinden bilimsel projeksiyonlara kadar geniş uygulama alanlarında daha güvenilir öngörüler sunma potansiyeli taşıyor.