في عالم الذكاء الاصطناعي، قد تُحدث الهلوسة الناتجة عن المكافآت المدفوعة بالنتائج في النماذج الكبيرة نوعًا من الضبابية على نتائج التعلم. يهدف نموذج FARCA (يولّد تخصيص موثوق للائتمان المبين بالحقائق) الجديد إلى مواجهة هذا التحدي من خلال تقديم إشراف على الحقائق يشمل تقييمات موثوقة. وقد تم تصميم هذا الفريمورك لتحويل إشراف الحقائق إلى إشارات تدريبية تعتمد على موضعية وموثوقية تفاصيل العمليات.

تتوزع التركيبة الجديدة للمكافآت ضمن نماذج التعلم المعزز إلى عدة جوانب، حيث تهدف FARCA إلى القضاء على التباين الضبابي في تخصيص الائتمان، وتمثل خطوة إيجابية نحو تقليل تأثير الإشارات غير الموثوقة خلال عملية تحسين السياسات. من خلال تطبيق وزن على المكافآت الواقعية بناءً على فعالية الأدلة الرئيسية، يتم تعزيز موثوقية النتائج.

أظهرت التجارب التي أجريت على نماذج متعددة ومعايير تفكير واقعية مختلفة أن FARCA تعمل على تعزيز دقة النماذج في فهم الحقائق، مما يجعلها واحدة من أهم التطورات في عالم الذكاء الاصطناعي.