Sakana AI melancarkan sistem bantuan semakan rakan sebaya model besar, mampu mengesan 73% kesilapan tuntutan teras.

Techub News melaporkan, Sakana AI telah menerbitkan kertas penyelidikan bertajuk "Beyond Imitation", memperkenalkan sistem bantuan semakan rakan sebaya berasaskan model besar yang dibina sekitar pengesanan kesilapan. Sistem ini menggunakan seni bina semakan berbilang lapisan (MLR), menggunakan model API sedia ada seperti Claude Sonnet 4 dan Claude Haiku 3.5, tanpa memerlukan GPU atau penalaan halus, dengan kos setiap semakan sekitar 0.47 dolar. Dalam ujian penanda aras yang mengandungi 1,164 percanggahan yang ditanam, sistem MLR berjaya menangkap 73.43% kesilapan tuntutan teras dalam 4 semakan, manakala model garis dasar terbaik hanya menangkap 14.81%. Walau bagaimanapun, dalam ujian kertas penarikan balik sebenar, kadar padanan tepatnya hanya 16.11%. Sistem ini mengandungi tiga agen: agen lampiran yang merumuskan butiran eksperimen, agen kajian literatur yang melakukan carian web untuk menempatkan latar belakang penyelidikan, dan agen semakan yang menjalankan rantai petunjuk tiga peringkat untuk melakukan semakan. Kertas itu juga menyatakan bahawa fokus semakan MLR berbeza dengan manusia, lebih menekankan keberkesanan dan eksperimen, manakala manusia lebih menilai kejelasan dan kebaruan. (MarkTechPost)