Miglioramento della Coerenza Comportamentale degli LLM tramite Imposizione dello Stato Fatto-Euristico-Emozione

Un recente articolo di ricerca pubblicato su arXiv presenta il Cognitive Kernel Model (CKM), un meccanismo a livello di prompt volto a valutare e mitigare le incoerenze comportamentali nei grandi modelli linguistici (LLM) senza modificarne i pesi. Il CKM costringe i modelli a classificare l'input in tre categorie epistemiche: Fatto (verificabile o dato), Euristico (assunto o inferito) ed Emozione (segnale di priorità o valutativo), mantenendo uno stato organizzato S_t = {F_t, H_t, E_t} che viene aggiornato tramite una funzione di transizione. Lo studio ha analizzato 26 LLM di quattro diversi fornitori in scenari decisionali in lingua coreana, comprendenti ambiguità, dilemmi etici, distribuzione delle risorse e gestione degli errori, risultando in 37.403 osservazioni in quattro esperimenti principali. I risultati suggeriscono che il CKM può ridurre in qualche misura l'instabilità, per cui gli LLM forniscono risposte variabili a identici problemi decisionali in esecuzioni diverse o invertono le loro decisioni quando le risposte precedenti vengono reintrodotte come contesto. Questo metodo non introduce nuove capacità ma garantisce il tracciamento dei tipi di informazione prima del processo decisionale.