นักวิจัยเสนอวิธีฝึก AI ใหม่ชื่อ RL-XAR แก้ปัญหาการเขียนที่ไม่ดีของโมเดล (AI slop) โดยใช้มาตรฐานการประเมินจากผู้เชี่ยวชาญ วิธีนี้ทดสอบผลลัพธ์ในงานเขียนบทความวิชาการ ต่อเนื่องเรื่องนวนิยาย และหน้าเว็บวิกิพีเดีย พบว่าผลลัพธ์ดีขึ้นอย่างมีนัยสำคัญ โมเดลทั่วไปมักสร้างเนื้อหาซ้ำกับข้อมูลฝึก ไม่สามารถพัฒนาคุณภาพได้ แม้ใช้ RLHF ก็ยังประเมินคุณภาพการเขียนเชี่ยวชาญไม่ได้ดี วิธีใหม่จึงสร้างมาตรฐานประเมินที่ปรับตามความต้องการผู้เชี่ยวชาญ ช่วยให้โมเดลเขียนใกล้เคียงมนุษย์มากขึ้น การทดลองแสดงว่าโมเดลทั่วไปยังให้คะแนนสูงกว่ามนุษย์ในงานประเมินคู่แข่ง แต่เมื่อใช้มาตรฐานประเมินที่ตรงกับผู้เชี่ยวชาญ ผลลัพธ์เปลี่ยน โมเดลฝึกด้วย RL-XAR สามารถให้คะแนนสูงกว่ามนุษย์ได้ในงานเขียนบทความวิชาการ แสดงศักยภาพปรับปรุงคุณภาพ AI
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว