கடந்த சில மாதங்களில் முன்னணி தொழில்நுட்ப நிறுவனங்களான OpenAI மற்றும் Google ஆகியவற்றின் AI செயற்கைததிர்க்காளிகள், பதில்களின் நம்பிக்கையை மேம்படுத்தும் நோக்கில் காரணமுள்ள வலியுறுத்தலைக் கொண்ட பண்புக்களை பெறுகின்றன. ஆனாலும், அண்மைக் পরীক্ষা нәтижிடைகள் காட்டுகின்றன, சில புதிய மாதிரிகள் முன்பு உள்ளடக்கிய பொருள்களைவிடக் குறைவான செயல்திறன் காட்டுகின்றன, ஒரு "புனைவு" என்ற phenomena-ஐ வெளிப்படுத்துகின்றன—செயற்கைததிர்க்காளிகள் தவறான தகவல்களை உருவாக்கும் அல்லது உண்மையானாலும், தொடர்பில்லாத அல்லது வழிகாட்டுதலுக்கு ஏற்றவாத பதில்களை வழங்கும் பிழைகள். இந்த பிரச்சனை, OpenAI-யின் ChatGPT மற்றும் Google-யின் Gemini போன்ற பெரிய மொழி மாதிரிகளின் (LLMs) ஆரம்பம் முதலே நிலவுகின்றது, மற்றும் இதை முற்றிலும் தீர்க்கும் வாய்ப்பு ნაკლებமானது போல தெரிகிறது. OpenAI-யின் தொழில்நுட்ப அறிக்கையிடுகையில், ஆகஸ்ட் வெளியிடப்பட்ட o3 மற்றும் o4-mini மாதிரிகள், 2024 ஆம் ஆண்டு இறுதியில் வந்த பழைய o1 மாதிரியைவிட மிகவும் உயர்ந்த புனைவு விகிதங்களை கொண்டிருந்தன: o3 இற்குப் 33%, o4-mini க்கு 48%, இப்போது பொதுவாக கிடைக்கும் தரவுகளை சுருக்கும்போது, o1 இற்கு 16%. அதேபோல, Vectara-யின் முன்னணி தரவு மேலாண்மை பிளட்ஃபாரத்தில் உள்ள புனைவு விகிதங்களை கண்காணிப்பதில், DeepSeek-R1 மற்றும் பிற காரணமுள்ள மாதிரிகள், பதிலளிப்பதற்கு முன் பல அடிக்கு காரணமுள்ள முறைகளைப் பயன்படுத்தினாலும், முன்னோடிகளிடம் ஒப்பிடும்போது தமிழ்ப் புண்னியங்களின் எண்ணிக்கையில் முக்கிய உயர்ச்சியைக் கண்டனர். OpenAI கூறுகின்றது, காரணம்-பொறுத்த செயல்முறைகள் புண்னியவிலக்கானவை நான்கீடு என்றுதான், அவை புண்னியங்கள் குறைக்கச் செய்யும் வகையில் ஆராய்ச்சி செய்து கொண்டிருக்கின்றனர். புண்னியங்களின் நிலைத்தன்மை சில பயன்பாடுகளை பாதிக்கக்கூடும்: தவறான உண்மைகளை மீட்கும் மாடல்கள், ஆய்வுக்கு உதவக்கூடியதே தவிர, சட்ட நிலைகளை தவறாகக் கருதி தவறான வழக்குகள் நேரிடும் paralegal ப bots; பழைய அல்லது தவறான தகவல்களை கொண்ட வாடிக்கையாளர் சேவை நம்பிக்கை குறைகிறது. துவக்கத்தில், AI நிறுவனங்கள் புண்னியங்கள் காலப்போக்கில் குறைந்து வரும் எதிர்பார்ப்பு இருந்தது, ஆரம்ப மாதிரித் திருத்தல்களில் முன்னேற்றம் காட்டியது. ஆனால், சமீபத்திய உயிருக்கான புண்னிய விகிதங்கள், காரணமுள்ள செயல்கள் இடம்பெற்றாலும், இந்த பாக்கியத்தை சவாலாக்குகின்றன.

Vectara-யின் முன்னணி தரவு கண்காணிப்பில், OpenAI மற்றும் Google-இன் காரணமுள்ள மற்றும் காரணமில்லாத மாதிரிகள் இடையே புண்னிய விகிதங்கள் பகுப்பாய்வு, வேறுபாட்டை காட்டியது, ஆனால் எண்கள் முக்கியமல்ல, இடைநிலையைக் காட்டுகின்றன. Google பதில் அளிக்க மறுத்தது. ஆனால், அத்தகைய தரவரிசைகளுக்கு சில வரம்புகள் உள்ளன. அவை வேறுபடுவான புண்னிய வகைகளையும் சேர்க்கின்றன; எடுத்துக்காட்டாக, DeepSeek-R1 இன் 14. 3% புண்னிய வழக்குகள் பெரும்பாலும் "பாசமுடைய" நிலைகளான, வரைபடத் தளபாடத்தில் ஆதரவு பெற்ற, ஆனால் மூல உரையில் இல்லை. கூடுதலாக, உரை சுருக்குவதைக் கொண்ட போட்டித் திறனுக்கேற்ப, மற்ற பணிகளுக்கான புண்னிய அளவுகள் இதை போன்ற முறையில் காட்ட முடியாது, ஏனெனில் LLMs கள் குறிப்பிட்ட முறையால் சுருக்கத்திற்கு வடிவமைக்கப்படவில்லை. ytEMily Bender, University of Washington, கூறுகின்றார், இத்தரமற்ற மாதிரிகள், உரையின் உண்மையை நிச்சயப்படுத்தும் கடமையை உணர்வு செய்யாமல், முக்கியமான அடுத்த சொற்களை ஊகிக்கின்றன, "புனைவு" என்ற சொல்லை தவறாகவும், மனிதப் போலி இனம் புரிவது போலவும் காட்டுகிறது. Bender, "புனைவு" என்ற சொல்லை எதிர்த்து, அதன் தவறுகள் நம்பகமான அமைப்புகளில் இழிவுச் சுடுகாடுகளைப் போல்கள் என்பதையும், மனித போலியான பார்வையை AI களுக்கு அளிப்பதை எதிர்க்கின்றார்; அதேபோல், Princeton-இன் Arvind Narayanan, மாதிரிகள், நம்பகமற்ற அல்லது காலதாமதமான தகவல்களை நம்பி தவறுகள் நிகழ்கின்றன, மற்றும் பயிற்சி தரவுகளை சேர்‌த்தலும் கணினி சக்தியை அதிகரித்தலும் இக்கேட்டிதலைத் தீர்க்கவில்லை என்பதாகக் கூறுகின்றார். இதனால், தவறுகள் குறைந்த AI மாதிரிகள் என்ற நிலை நீடித்தால் கூட, இவை நிச்சயமாக ஒரு நிலையான உண்மை ஆகும். Narayanan, இவை உண்மை பரிசோதனையை விரைவு செய்வதற்கான பயன்பாடுகளுக்கு மட்டும் பயன்படுத்தப்பட வேண்டும்; Bender, factual தகவல்களுக்கு AIச் செயற்கைததிர்க்காளிகளை முற்றிலும் தவிர்க்க பரிந்துரைக்கின்றார்.