Vedci zo spoločnosti Google Deepmind a Univerzity v Južnej Kalifornii navrhli nový rámec pre samoobjavovanie podnetov na zlepšenie schopnosti uvažovania veľkých jazykových modelov (LLM). Tento prístup ide nad rámec existujúcich techník podnecovania a zistilo sa, že zlepšuje výkonnosť modelov, ako sú OpenAI’s GPT-4 a Google’s PaLM 2. Rámec zahŕňa LLM, ktoré samy od seba objavujú štruktúry odôvodňovania vlastné úlohám na riešenie problémov. Pozerá sa na viaceré atomické moduly uvažovania a skladá ich do explicitnej štruktúry uvažovania, ktorú LLM sledujú počas dekódovania. Tento prístup pracuje s podstatne menším počtom inferenčných výpočtov, čo je výhodné pre podniky. Výskumníci testovali tento prístup s rôznymi modelmi a zistili výrazné zlepšenie výkonu, pričom v porovnaní s inými technikami dosiahli nárast až o 32 %. Prístup self-discover dosiahol vysokú presnosť pri rôznych úlohách uvažovania a ukázal potenciál na posunutie hraníc riešenia problémov a rozvoj všeobecnej inteligencie v LLM.
