dumaiПрепринт — материал ещё не прошёл рецензирование
Новый способ обучения ИИ делает ответы более естественными, не снижая точности на тестах
0
Кратко
Авторы предложили способ обучения языковых моделей, который сочетает проверяемые оценки результата с сигналом от примеров, написанных людьми. На задачах исправления кода, сочинения историй и тесте на reward hacking метод сохранил высокие баллы и стал реже делать грубые правки, а ответы — разнообразнее и ближе к человеческим.
Зачем это знать
Подход может пригодиться, когда модель нужно научить не только решать задачу, но и писать естественнее, без уловок. Выводы получены на нескольких узких тестах, так что до широкого применения ещё далеко.
Пересказано ИИ по научной статье. Как это устроено
Источник и детали
ЖурналarXiv (cs.AI)
Дата публикации у нас2 июля 2026 г.
Дата источника1 июля 2026 г.
ОригиналОткрыть
АвторыMehul Damani, Isha Puri, Idan Shenfeld, Jacob Andreas