في العصر الحديث، أصبحت النماذج اللغوية الضخمة (LLMs) نجم الساحة في مجال الذكاء الاصطناعي، مع تركيز كبير من الأكاديميين والشركات على تطويرها واستخدامها. بيد أن نشرها يثير العديد من القضايا الأمنية المتعلقة بالموثوقية والقدرة على التحمل. يُعد التخطيط، وهو عنصر أساسي في السلوك الذكي، تحديًا كبيرًا للنماذج اللغوية، حيث غالبًا ما تؤدي إلى حلول غير قابلة للتطبيق أو غير صحيحة في مهام اتخاذ القرار على المدى الطويل بسبب تعقيدها الفطري.

استجابةً لهذه التحديات، اقترح الباحثون إطار عمل مدفوع بتغذية راجعة رمزية يهدف إلى تعزيز الموثوقية والقدرة على التحمل للنماذج اللغوية الضخمة. يقدم هذا الإطار آلية لتحويل الرموز المنطقية إلى أوصاف لغة طبيعية، مما يساعد النماذج على فهم القيود والمعاني المرتبطة بالمهام بشكل أفضل.

علاوة على ذلك، تم تصميم مُحقق رمزي لتحديد الأخطاء وتحويلها إلى تعليمات تصحيحية قابلة للفهم من قبل النموذج، مما يسهل عملية تحسين الذات. وبالإضافة إلى ذلك، يستفيد البحث من مُدرك الخطة لاستنتاج إمكانية تحقيق الأهداف، مما يزيد من فعالية التوجيه نحو الأهداف المرجوة.

تظهر النتائج التجريبية أن الإطار المقترح يحقق تحسينًا مستمرًا في كل من الجدوى والصحة في مهام التخطيط على المدى الطويل. وهذا يسلط الضوء على فعاليته في تحسين موثوقية التخطيط القائم على LLM، مما يعزز القدرة على بناء أنظمة ذكاء اصطناعي أكثر موثوقية.