Hjärnliknande nätverksmönster avslöjar vilka AI-modeller som resonerar bäst

arXiv cs.AI

Forskare har hittat ett sätt att titta inuti stora språkmodeller (LLM) och förutsäga hur bra de är på logiskt tänkande – utan att ens testa dem på uppgifter. Modeller med så kallad 'small-world-organisation' (täta lokala kopplingar kombinerat med korta vägar globalt, precis som i mänskliga hjärnan) presterar konsekvent bättre på resonemang. Metoden användes även för att effektivisera modellerna via en ny beskärningsalgoritm som minskade felprocenten med upp till 20% på ett standardtest.