آلف آلفا روشی معرفی کرده که به یک مدل زبانی آموزش میدهد اگر سند ارائهشده اطلاعات لازم را نداشته باشد، از پاسخدادن خودداری کند. این روش که پروتکل مرلین–آرتور نام دارد، مدل (آرتور) را در برابر دو دستیار قرار میدهد: مرلین که متنی کامل ارائه میکند، و مورگانا که جملهٔ تعیینکننده را حذف میکند. آرتور در طول آموزش نمیداند با کدامیک روبهروست؛ بنابراین یاد میگیرد فقط وقتی شواهد در متن وجود دارد پاسخ دهد و در غیر این صورت از پاسخگویی خودداری کند. آزمایشها روی پنج معیار سنجش پرسشوپاسخ نشان میدهد پاسخهای نادرست تا ۳۵ واحد درصد کاهش مییابد و امتیاز تازهای به نام «امتیاز اتکای پاسخ به منبع» تا ۰٫۳۸ افزایش پیدا میکند.
چرا مهم است
این روش راهی قابلاعتماد در اختیار کاربران میگذارد تا بدانند پاسخ هوش مصنوعی واقعاً بر پایهٔ اسناد خودشان است یا نه و خطر توهمهای پرریسک را کاهش میدهد.
