Отслеживание каскада: система оценки топологических способностей для галлюцинаций научных агентов
arXiv: 2608.000711v2 Annuales Type: заменить резюме: в научных исследованиях все шире используются агенты большой языковой модели (LLM), где надежность имеет решающее значение и основные знания тесно взаимосвязаны. В таких условиях галлюцинации особенно вредны: одно ошибочное утверждение на основополагающую концепцию может распространяться с помощью многоэтапных рассуждений и коррумпированных целых траекторий. Существующие контрольные показатели галлюцинации в значительной степени действуют на уровне поверхности, рассматривая факты изолированно и полагаясь на единообразные параметры точности, которые игнорируют эту топологическую структуру. Мы устраним этот пробел с СХЕМА, первой научно обоснованной системой оценки галлюцинаций в научных агентах. ШЕМА автоматически составляет графики научных концепций на основе исходных данных о семенах и литературе, синтезирует графические задачи в области проверки претензий, многомерных рассуждений, открытого объяснения и создания экспериментальных кодов и оценивает агенты с t