От событий к обоснованию: новая парадигма
Команда исследователей во главе с Чэн Лю (Cheng Lyu) и Сюэци Ваном (Xueqi Wang) представила Event Reasoning System (ERS). В отличие от стандартных LLM, которые генерируют текст, ERS генерирует обоснованные выводы. Ключевая особенность системы — использование явного графа событий (explicit event graph) в качестве состояния рассуждения. Это позволяет системе отслеживать зависимости между промежуточными результатами и пересматривать путь вывода при изменении исходных данных.
Архитектура: от локальных трансформаций к глобальному контролю
ERS работает на двух уровнях, что обеспечивает гибкость и эффективность:
- Правила низкого уровня (Low-level rules): Обеспечивают переиспользуемые локальные трансформации данных.
- Правила высокого уровня (High-level control rules): Рекурсивно композируются для организации подцелей и легальных путей рассуждения. Они учитывают текущую цель, информационные пробелы и вычислительный бюджет.
Система использует семантические признаки для назначения кандидатов объектов и привязки правил. Если кандидат нарушает ограничения по периоду, единице измерения или доказательной базе, он исключается из пути рассуждения до того, как станет частью финального вывода.
Результаты бенчмарков: точность и скорость
На структурированных графах событий ERS демонстрирует впечатляющие метрики надежности и эффективности. Система способна выстраивать цепочки зависимостей длиной до 12 шагов и гарантирует отсутствие неподкрепленных целевых выводов в тестовых наборах.
| Метрика / Тест | Результат ERS | Значение |
|---|---|---|
| Длина цепочки зависимостей | До 12 шагов | Способность к сложному многошаговому выводу |
| Отсечение лишних операций (lookahead 16) | С 32 до 0 | Полное устранение нерелевантных действий при глубоком прогнозе |
| Негативные кейсы (24 шт.) | 0 неподкрепленных выводов | Высокая надежность и отсутствие галлюцинаций в целевых ответах |
| Проверка на новых данных (12/12) | 9 принятых, 3 отказанных | Успешная работа с неизученными комбинациями входов и путей |
| Экономия времени вывода (14 задач) | 51,6% быстрее | Превосходство над одноуровневым глобальным контролем |
Почему это важно для индустрии
Основная проблема современных систем рассуждения — «черный ящик» и невозможность верификации шагов. ERS решает эту проблему, делая процесс рассуждения прозрачным и редактируемым. Система не хранит полные решения как готовые блоки, а реконструирует их динамически, что позволяет адаптироваться к изменениям в данных без переобучения модели. Сокращение времени вывода на 51,6% по сравнению с глобальным контролем делает этот подход перспективным для применения в задачах, требующих высокой точности и быстрых ответов, таких как финансовый анализ или медицинская диагностика.
Источник: arXiv cs.AI ↗