SRCoT : Génération de texte basée sur des preuves via un pipeline fermé de récupération-réflexion-révision
En bref
- SRCoT structure la génération de texte en un cycle Retrieve--Reflect--Revise pour les LLM légers sur périphérie.
- L'architecture sépare les sources de connaissances et l'état environnemental avec traçabilité des preuves.
- Des tests sur simulateurs d'urgence révèlent des limites comme des erreurs de provenance ou des hypothèses non sécurisées.
SRCoT propose une architecture modulaire pour les modèles de langage légers (LLM) sur périphérie, organisant la génération en un cycle fermé Retrieve--Reflect--Revise. Elle sépare les sources de connaissances, l'état environnemental et la mémoire à court terme, avec une traçabilité des preuves. Des tests sur simulateurs d'urgence médicale montrent une documentation structurée et une identification explicite des lacunes, mais révèlent aussi des limites comme des erreurs de provenance ou des hypothèses non sécurisées.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur