في ظل الاعتماد المتزايد على نماذج اللغة الضخمة (LLMs) في العديد من التطبيقات الحياتية، تبرز مشكلة الهلاوس - أي توليد مخرجات غير دقيقة أو غير مدعومة بالمصادر. تعتبر هذه المشكلة تحديًا كبيرًا تواجهه النماذج المدعومة عبر الأوامر أو المعززة.

ومع ذلك، ما زال يُعتبر اكتشاف الهلاوس مهمة صعبة بسبب العمليات الغامضة التي تمر بها نماذج اللغة والتي لا تكشف دائمًا عن سبب عدم دقة المخرجات. في هذا السياق، توصلت دراسة جديدة إلى طريقة مبتكرة تتمثل في استخدام كفاءات رمزية منخفضة، مثل SQL، لاكتشاف الهلاوس دون الحاجة إلى إشراف.

تقوم هذه الطريقة على بناء قاعدة بيانات باستخدام SQL مستندة إلى الوثائق المرجعية، حيث يتم استخدام هذه القاعدة لأغراض الاستدلال على التحليلات المرجعية والردود التي تم اختيارها في عملية الكشف عن الهلاوس.

أظهرت النتائج، عند استخدام مجموعات البيانات RAGTruth وDiaHalu، أن هذه الطريقة تُحسن من دقة الاكتشاف وتتنافس مع أساليب الكشف المتقدمة، دون الحاجة إلى ضبط محددات في المجال. وتعتمد هذه الطريقة على كفاءة عامة منخفضة موجودة بالفعل في نماذج اللغة، مما يدعو إلى مزيد من البحث حول دور الكفاءات الرمزية المنخفضة في الأساليب العصبية الرمزية.