Banger-tutkimuspaperi. 🚨 LLM:t ovat surkeita vastalauseissa. Tämä artikkeli osoittaa tarkalleen miksi. Useimmat tekoälytyökalut käsittelevät vastaväitteitä kuin kirjoitustehtävää. Kirjoita kohtelias teksti. Kuulosta itsevarmalta. Jatka eteenpäin. Juuri siksi he epäonnistuvat huippukonferensseissa. Tämä tutkimus kääntää koko vastaväitteen ongelman päälaelleen. Sen sijaan, että se "tuottaisi vastauksen", se käsittelee vastaväitteitä päätös- + todisteiden järjestämisen tehtävänä. Järjestelmä, nimeltään RebuttalAgent, on moniagenttinen putkisto, joka kieltäytyy kirjoittamasta mitään ennen kuin logiikka on tiivis. Ensinnäkin se atomisoi arvioijien palautteen. Jokainen epämääräinen kappale jaetaan tarkkoihin, konkreettisiin asioihin. Ei pisteitä menetetty. Ei niputeta toisiinsa liittyviä kritiikkeitä. Vakuutusturva valvotaan ennen kuin mitään muuta tapahtuu. Seuraavaksi tulee todellinen innovaatio: näyttöön perustuva päättely. Jokaiselle huolenaiheelle järjestelmä rakentaa hybridikontekstin. Suurin osa artikkelista pysyy pakattuna tokenien säästämiseksi, mutta tarkat kohdat, jotka liittyvät kyseiseen arvostelijan kommenttiin, on laajennettu täyteen tarkkuuteen. Jos sisäinen näyttö ei riitä, tilaushakuagentti hakee ulkoisia artikkeleita ja muuntaa ne viittausvalmiiksi muistioiksi. Mikään ei saa lainaa, ellei se ole jäljitettävissä. Sitten tulee vaihe, jonka useimmat LLM-työkalut jättävät kokonaan väliin: strategian varmennus. Ennen luonnostelua RebuttalAgent laatii selkeän vastaussuunnitelman. Se erottaa: Mitä voidaan selventää olemassa olevilla tuloksilla Mikä todella vaatii uusia kokeita Mitä tulisi huomioida ilman liiallista sitoutumista Tarkastusagentti tarkastaa tämän suunnitelman loogisen johdonmukaisuuden ja sitoutumisen turvallisuuden varmistamiseksi. Jos vastaus viittaa tuloksiin, joita ei ole olemassa, se estetään. Hallusinaatiot kuolevat täällä....