هوش مصنوعی
UPSHIFT می‌خواهد از بازخوردهای کاربر برای شخصی‌سازی پاسخ‌های مدل‌های زبانی استفاده کند
پژوهشگران در پیش‌چاپی در arXiv روشی بدون آموزش معرفی کرده‌اند که هدفش استخراج ترجیحات کاربران از مسیر اصلاح پاسخ‌هاست؛ جزئیات کامل روش و نتایج در متن منبع ارائه‌شده در دسترس نیست.
شخصی‌سازی دستیارهای بزرگ زبانی فقط به موضوع پاسخ محدود نمی‌شود و می‌تواند انتخاب محتوا، شیوهٔ استدلال، میزان جزئیات و قالب ارائه را هم دربر بگیرد. نویسندگان مقاله می‌گویند این ترجیحات اغلب آشکار نیستند و زمانی خود را نشان می‌دهند که کاربر پس از دریافت پاسخ اولیه، خواهان اصلاح آن می‌شود.
مقاله روشی با نام UPSHIFT معرفی می‌کند که قرار است ردّ این بازخوردها را به سیگنالی قابل استفاده برای شخصی‌سازی تبدیل کند؛ بدون آن‌که کاربر پروفایل یا برچسب ترجیحاتی صریحی بسازد، تاریخچهٔ تعاملات هنگام تولید پاسخ در اختیار مدل باشد یا پارامترهای مدل تغییر کند. طبق چکیدهٔ موجود، این روش بازنمایی‌های پنهان پاسخ اولیه و پاسخ تولیدشده پس از دریافت بازخورد را مقایسه می‌کند. اطلاعات منبع ارائه‌شده دربارهٔ جزئیات بیشتر روش یا ارزیابی آن چیزی نمی‌گوید.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده