SCALAR: Un Ciclo Critico-Attore Strutturato Migliora il Ragionamento Fisico dell'IA

Uno studio recente ha presentato SCALAR (Structured Critic--Actor Loop for AI Reasoning), un sistema che utilizza un framework Attore-Critico-Giudice per affrontare sfide nella teoria quantistica dei campi e nella teoria delle stringhe. In questa configurazione, l'Attore genera soluzioni potenziali, il Critico fornisce feedback iterativo e un Giudice separato valuta le trascrizioni rispetto a soluzioni di riferimento consolidate. I ricercatori hanno sperimentato diverse personalità dell'Attore, metodi di feedback del Critico e variazioni nella dimensione e nel tipo del modello dell'Attore. I risultati hanno indicato che i dialoghi multi-turno hanno costantemente superato i tentativi singoli, sebbene l'entità del miglioramento e l'efficacia delle scelte di prompting siano state fortemente influenzate dalla combinazione Attore-Critico. In particolare, l'aumento della dimensione del modello all'interno di una singola famiglia, come il passaggio dalla variante DeepSeek-R1 con 8 miliardi di parametri a DeepSeek-R1 671B, ha prodotto miglioramenti delle prestazioni. Questa ricerca evidenzia l'impatto delle interazioni tra ricercatori e agenti sui risultati nella fisica teorica.