Nuovo quadro per un ragionamento LLM resiliente ai bias in documenti lunghi

Un nuovo studio propone un quadro strutturato per migliorare il ragionamento dei modelli linguistici di grandi dimensioni (LLM) su documenti lunghi, riducendo il bias cumulativo, gli errori di omissione e la generalizzazione eccessiva. Il metodo prevede la divisione dei testi in blocchi semanticamente coerenti per l'elaborazione parallela, quindi il consolidamento delle interpretazioni con ancoraggio e priorità delle prove. Questo approccio mira a impedire che concetti precoci o dominanti oscurino interpretazioni meno visibili ma significative, e a ridurre la ridondanza e la deriva concettuale quando si uniscono output indipendenti. L'articolo è disponibile su arXiv con ID 2605.20194.