افزودن پاسخ‌های خلاف‌واقعی می‌تواند داوری مدل‌های زبانی کوچک را بهبود دهد

پژوهشی تازه در arXiv روشی به نام CPA یا «افزودن زوجیِ خلاف‌واقعی» معرفی می‌کند که هدفش بهبود داورهای کوچک زبانی است؛ مدل‌هایی که پاسخ‌ها را در برابر یک معیار مشخص امتیازدهی می‌کنند. در آموزش معمولِ این داورها، نمونه‌های برچسب‌خورده از پرسش‌های متفاوت ممکن است از جهات زیادی با هم فرق داشته باشند و روشن نکنند کدام ویژگی باعث پذیرش یا رد پاسخ شده است.

CPA برای هر نمونه، پاسخی خلاف‌واقعی به همان پرسش تولید و ارزیابی می‌کند که قرار است برچسب مخالف داشته باشد. به این ترتیب، تفاوت میان دو پاسخ می‌تواند مرز تصمیم‌گیری داور را در دادهٔ آموزشی صریح‌تر کند. چکیدهٔ در دسترس، جزئیات بیشتری دربارهٔ نتایج یا میزان بهبود این روش ارائه نمی‌کند.