Grounded verification of chemical and materials reasoning: detection is the bottleneck
Cet article démontre que pour les modèles de langage de grande taille raisonnant sur la chimie et les matériaux, un système de vérification à plusieurs niveaux, ancré dans des bases de données, qui privilégie la détection d'erreurs factuelles spécifiques plutôt qu'une récupération globale, réduit considérablement les taux de confabulation en permettant des réparations ciblées, identifiant ainsi la détection d'erreurs plutôt que la correction comme le principal goulot d'étranglement pour améliorer la précision des modèles.