新的验证方法将大型语言模型化学推理错误率从22%降至4%

研究人员开发了一种新的方法来验证大型语言模型（LLMs）在化学和材料推理方面的准确性。该方法使用一个分层验证器，将声明与权威数据库和物理学进行比对，并设有一个门控纠错循环来修复错误。该系统显著减少了化学式中的错误，将错误率从22%降至4%，同时比其他方法使用的检索次数更少。确定的主要挑战是错误的检测，而不是纠正。 AI

影响 这项研究通过提高LLMs在复杂推理任务中的准确性，有望使其在科学应用中更加可靠。

排序理由 该条目是一篇学术论文，详细介绍了一种验证LLM推理的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• conversational oracle
• database-grounded verification
• electronic structure of native defects in cubic SiC
• gated correction
• isotope half-lives
• large language models
• molecular formulas
• Physical Constants in Extra-Galactic Nebulæ
• Space groups and lattice dynamics of Ge/Si superlattices grown in the [001] direction
• tiered verifier

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →