FiDeLiS: الاستدلال الموثوق في نموذج اللغة الكبير للإجابة على أسئلة قاعدة المعرفة

بينما حققت نماذج اللغة الكبيرة (LLMs) نجاحًا كبيرًا في تطبيقات مختلفة، إلا أنها غالبًا ما تواجه مشكلات الهلوسة، خاصة في السيناريوهات التي تتطلب استدلالًا عميقًا ومسؤولًا. يمكن التخفيف من هذه المشاكل جزئيًا من خلال دمج قواعد المعرفة الخارجية (KG) في استدلال نماذج اللغة الكبيرة. ومع ذلك، لا يزال طريقة إدماجها قيد الاستكشاف إلى حد كبير. في هذه الورقة، نقترح طريقة تفاعلية للاسترجاع والاستكشاف، FiDelis، لمعالجة خطوات الاستدلال الوسيطة القائمة على قواعد المعرفة. على وجه التحديد، نقترح وحدة Path-RAG لاستدعاء المعرفة الوسيطة المفيدة من KG لاستدلال نماذج اللغة الكبيرة. ندمج المنطق والاستدلال بالفطرة لنماذج اللغة الكبيرة والاتصال الطوبولوجي لقواعد المعرفة في عملية استرجاع المعرفة، مما يوفر أداء استدعاء أكثر دقة. علاوة على ذلك، نقترح الاستفادة من قدرات الاستدلال الاستنتاجي لنماذج اللغة الكبيرة كمعيار أفضل لتوجيه عملية الاستدلال تلقائيًا بطريقة خطوة بخطوة وقابلة للتعميم. يعمل التحقق الاستنتاجي كمؤشرات دقيقة لمتى يجب التوقف عن المزيد من الاستدلال، مما يمنع تضليل سلاسل الاستدلال والحسابات غير الضرورية. تظهر التجارب المكثفة أن طريقتنا، كطريقة بدون تدريب مع تكلفة حسابية أقل وعمومية أفضل، تتفوق على القواعد الأساسية القوية الموجودة في ثلاثة معايير قياسية.