शोधकर्ताओं ने Self-Assessment Reinforcement Learning (SARL) नाम की एक प्रशिक्षण विधि प्रस्तावित की है। यह उन भाषा मॉडलों के लिए है जो जवाब देने से पहले जानकारी खोजते हैं। इस विधि में उन्हें यह दर्ज रखना सिखाया जाता है कि वे क्या खोज चुके हैं और क्या जानकारी अब भी बाकी है। इसका मकसद गलत तर्क और समय से पहले खोज रोक देने की समस्या घटाना है।
लेखकों के मुताबिक, उनके सबसे मजबूत बेसलाइन की तुलना में प्रदर्शन में सापेक्ष रूप से 24.3% सुधार हुआ। अलग-अलग कामों के सबसे मजबूत बेसलाइन से तुलना करने पर, मल्टी-हॉप रीजनिंग बेंचमार्क में औसतन 35.9% और डीप-रिसर्च बेंचमार्क में 27.9% सुधार दर्ज किया गया। उनका कहना है कि जवाब देते समय SARL के लिए किसी अतिरिक्त आकलन की जरूरत नहीं पड़ती। हालांकि, शोधपत्र के सार में परीक्षण किए गए मॉडलों के नाम नहीं दिए गए हैं और न ही इतने विवरण हैं कि यह आंका जा सके कि नतीजे इस्तेमाल में मौजूद सर्च टूल पर कितने लागू होंगे।
यह क्यों मायने रखता है
रिसर्च असिस्टेंट बनाने वाली टीमों के लिए SARL का संकेत है कि सर्च के दौरान मिली जानकारी का हिसाब रखना, इस्तेमाल के समय अलग चरण जोड़ने के बजाय प्रशिक्षण के दौरान सिखाया जा सकता है। लेकिन शोधपत्र का सार यह साबित नहीं करता कि इससे असल उत्पादों को फायदा होगा।
