Trong một bài báo mới được công bố trên tạp chí Nature Machine Intelligence, các nhà nghiên cứu tại Viện Khoa học và Kỹ thuật Máy tính (CSAIL) của MIT đã trình bày một phương pháp mới mang tên 'Self-Correcting Reasoning Framework' (SCRF). Phương pháp này cho phép các mô hình ngôn ngữ lớn tự động kiểm tra tính nhất quán logic của các bước suy luận và tự động quay lại để sửa chữa những phần có lỗi mà không cần đến sự giám sát hay phản hồi từ con người.
Trước đây, các kỹ thuật như 'Chain-of-Thought' thường gặp vấn đề là mô hình có thể 'lạc lối' trong quá trình suy luận dài, dẫn đến kết quả sai. SCRF giải quyết vấn đề này bằng cách sử dụng một mô hình phân loại nhỏ (classifier) chạy song song với mô hình chính, liên tục đánh giá độ tin cậy của từng bước suy luận. Khi độ tin cậy giảm xuống dưới ngưỡng nhất định, hệ thống sẽ tự động kích hoạt cơ chế 'rollback' và thử lại với một hướng suy luận khác.
Thử nghiệm trên bộ benchmark GSM8K (toán học) và MATH (toán học nâng cao) cho thấy các mô hình ứng dụng SCRF đã cải thiện độ chính xác trung bình từ 72% lên 85%, một bước nhảy vọt đáng kể. Đặc biệt, phương pháp này không làm tăng đáng kể chi phí tính toán, chỉ tốn thêm khoảng 15% thời gian xử lý so với các phương pháp truyền thống.
Giáo sư Andrew Ng, người đã bình luận về nghiên cứu này, nhận định rằng đây là một bước tiến quan trọng hướng tới việc tạo ra các AI có khả năng tự cải thiện (self-improving) trong thời gian thực. Ông cũng lưu ý rằng nghiên cứu vẫn còn một số hạn chế, đặc biệt là trong các lĩnh vực sáng tạo hoặc đạo đức, nơi việc 'sửa lỗi' không phải lúc nào cũng có một đáp án đúng duy nhất.