Արհեստական բանականության չաթբոտները՝ նման OpenAI-ի և Google-ի առաջատար տեխնոլոգիական կազմակերպությունների՝ վերջին ամսների ընթացքում բարելավումներ WIND_REASONING-ի մեջ՝ ուղղված պատասխանների հուսալիության բարձրացման համար։ Սակայն վերջին փորձարկումները ցույց են տվել, որ որոշ նոր մոդելներ ավելի վատ են գործում, քան նախորդները, և դրանք պարզվում են "հիշողության դեղք" կոչվող երևույթ, երբ չաթբոտներն արձագանքում էին սխալ տեղեկություններ կամ տրամադրում իդեալականորեն ճիշտ, սակայն անտեղի կամ կամայական պատասխաններ։ Այս խնդիրն համարվում է շարունակվում մեծ լեզվային մոդելների հիմնադրման սկզբից՝ ինչպիսիք են OpenAI-ի ChatGPT-ն և Google-ի Gemini-ն, և կանխելու լիովին առկա չէ նրա բացատրությունը։ OpenAI-ի տեխնիկական զեկույցը ցույց էր տալիս, որ ապրիլ ամսին թողարկած o3 և o4-mini մոդելները սկզբնական o1 մոդելից (մամուլում միայն տեղեկությունների ամփոփումիս համար) նկատելիորեն ավելի բարձր դեղք ունեին. o3-ում դա կազմում էր 33%, o4-mini-ում՝ 48%, իսկ o1-ում՝ 16%։ Ապարատի ղեկավարը պաշտոնապես հաստատեց, որ որոշ մոդելներ, ինչպիսիք են DeepSeek-R1-ը, նկատելիորեն բարձրացրեցին հիշողության դեղքի տոկոսադրույքները իրենց բազմաշերտ մտածողությամբ պատասխաններին ի առաջ։ OpenAI-ը պահպանում է կարծիք, որ մտածողության պրոցեսներն առանցքային պատճառ չեն "հիշողության դեղքի" աճին՝ որոշելով ակտիվորեն հետզհետե աշխատել դրա նվազեցման ուղղությամբ։ Համանման խնդիրներն սպառողներին, արդարադատություններին և հաճախորդների սպասարկման ծառայություներին, վտանգ են ներկայացնում՝ քանի որ մոդելները հաճախ են արձագանքում ոչ ճշմարիտ տեղեկություններով։ Շարունակական սպասելիք էր, որ առաջադեմ մոդելները կհամարեն համեմատաբար շատ նորացումներ, սակայն վերջին ժամանակներում հայտնաբերված ավելացված դեղքերը ցույց են տալիս, որ այդ կանխատեսումը չափազանց հստակ չէ, և նույնիսկ արդիական մտածողության մոդելներն ունեն նույն մակարդակը՝ արդարացի ցույց տալով։ Google-ը հրաժարվեց մեկնաբանել տվյալներ։ Սակայն այս կարգավորումները ունեն սահմանափակումներ.

դրանք խառնակում են տարբեր տեսակի հիշողության դեղքեր, օրինակ՝ DeepSeek-R1 մոդելը, որի 14. 3% սխալի պարունակող պատասխաններն հիմնականում "անհայտ" դեպքեր էին, որոնց որակները հիմնված էին տրամաբանորեն ամրացնող պատասխանների վրա, բայց բացակայում էին աղբյուրային տեքստում։ Մշտական թեստավորումը միայն տեքստի ամփոփման վրա չի կարող ցուցադրել մյուս առաջադրանքներում հիշողության դեղքի իրական սահմանափակումները, քանի որ մեծ լեզվական մոդելները ծրագրավորաում են հիմնականում գործել տեքստի կանխատեսման, ոչ թե լիարժեք հասկանալու։ Ուշադրությունը կենտրոնացրել է Ուշահրեւ համալսարանի Էմիլի Բենքերը, նշելով, որ այս մոդելները ավելի շատ կանխատեսում են հաջորդ տվյալ բառը, քան արդարացիորեն հասկանում են տեքստը՝ մերժելով "հիշողության դեղքի" տերմինը որպես արդարացի և մարդկային ընկալումային հատկությունների ներկայացում։ Բենքերը դատապարտում է "հիշողության դեղքը" որպես խնդիր, քանի որ այն ենթադրում է, որ սխալներն ընթանում են սովորական ռեսուրսների պատահականատար, և բնութագրում է Հերցրելիսյան Պրինսթոնի համալսարանի Արժվդ Նարայանան, որը ավելացնում է, որ մոդելը սխալվում է ապավինելով ոչ վստահելի կամ հնացած տվյալների վրա և տարողություն ունեցող հավաքված տարրական գործիքներ ավելացնելը բավարար չէ լուծելու այդ դաշնային խնդիրները։ Այսպիսով, սխալներ պարունակող ԱԻ-ն հավանականորեն կմնա երկարաժամկետ իրականություն։ Նարայանան խորհուրդ देती է օգտագործել այդ մոդելները միայն այն ժամանակ, երբ փաստաբանությունը արագ է իրականացնում, իսկ Բենքերը նկատում է, որ ցանկացած դեպքում հարկավոր է հետևել, որ չասկանան որոնց վրա հիմնված լինել։