Trilemma CAP-like per LLM: Correttezza, Non-parzialità, Utilità

Traendo ispirazione dal teorema CAP relativo ai sistemi distribuiti, un recente articolo su arXiv (2605.11672) introduce un trilemma specifico per i Large Language Models (LLM). Sottolinea che, a causa della sottodeterminazione semantica—per cui l'input non porta a una risposta univoca—un LLM non può garantire contemporaneamente forte correttezza, stretta non-parzialità e alta utilità. Per generare una risposta significativa e definitiva, il modello deve stabilire un criterio di selezione, una preferenza o una gerarchia di valori. Se tale criterio è assente o non giustificato dalle premesse, la risposta rischia di diventare parziale in un contesto generale di teoria della selezione. Evitare preferenze non supportate può aiutare a mantenere correttezza e non-parzialità, ma potrebbe compromettere l'utilità.