Quadro di logica neutrosofica per l'incertezza epistemica nei LLM
Un nuovo studio da arXiv (2605.24053v1) propone la Logica Neutrosofica come alternativa ai quadri probabilistici nei Modelli Linguistici di Grandi Dimensioni (LLM). I LLM tradizionali utilizzano strati Softmax che vincolano le probabilità a sommare a uno, collassando l'incertezza e ostacolando la differenziazione tra incertezza epistemica, paradosso e vaghezza. L'approccio neutrosofico tratta Verità, Indeterminatezza e Falsità come dimensioni indipendenti, permettendo alla loro somma di superare uno (iper-verità). Esperimenti su quattro modelli GPT di OpenAI hanno testato cinque fenomeni linguistici—paradossi logici, ignoranza epistemica, vaghezza, contraddizioni etiche e contingenze future—sotto tre strategie di prompting: neutrosofica, probabilistica e derivata dall'entropia. I risultati mostrano che il prompting neutrosofico cattura meglio gli stati epistemici permettendo T+I+F > 1, offrendo un nuovo quadro per modellare l'incertezza nell'IA.
Fatti principali
- Il paper arXiv 2605.24053v1 introduce la Logica Neutrosofica per i LLM.
- I LLM tradizionali usano strati Softmax con probabilità che sommano a uno.
- La Logica Neutrosofica tratta Verità, Indeterminatezza e Falsità come dimensioni indipendenti.
- La somma T+I+F può superare uno, definita iper-verità.
- Esperimenti condotti su quattro modelli GPT di OpenAI.
- Cinque fenomeni linguistici testati: paradossi logici, ignoranza epistemica, vaghezza, contraddizioni etiche, contingenze future.
- Tre strategie di prompting utilizzate: neutrosofica, probabilistica, derivata dall'entropia.
- L'approccio neutrosofico differenzia meglio l'incertezza epistemica, il paradosso e la vaghezza.
Entità
Istituzioni
- arXiv
- OpenAI