Персональная настройка помогла ИИ лучше выполнять задачи пользователя

Кратко

В препринте метод проверили на 30 людях и 600 заданиях в написании текстов и визуальном творчестве. После десятков заданий успешность выросла на 4,5–20,9%, а уточняемые критерии оценки находили на 16,0–22,3% больше ошибок, чем модели или люди по отдельности. Улучшение до 8,8% сохранялось и для других пользователей.

Зачем это знать

Работа намечает путь к ИИ, который подстраивается не под усреднённые предпочтения, а под личные требования человека. Но это предварительный результат небольшой проверки в двух областях: исследование ещё не прошло независимую проверку, и неизвестно, сохранится ли эффект для других задач и пользователей.

Разбор

Проблема здесь не в том, что ИИ совсем не умеет писать или создавать изображения. Он хорошо учится на массовых примерах, но профессионалу часто нужны свои, неочевидные стандарты: что считать удачным тоном, композицией или уровнем проработки. Такие требования трудно полностью описать до начала работы — зато человек снова и снова показывает их в правках и оценках результата.

Авторы предлагают использовать эту историю взаимодействий прямо во время работы системы. Агент — ИИ, который выполняет цепочку действий для решения задачи — сохраняет замечания пользователя в своём рабочем контексте, а иногда меняет и внутренние параметры базовой языковой модели. Параллельно отдельный модуль-оценщик постепенно собирает из правок понятные правила проверки: не только «хорошо или плохо», а список конкретных критериев, по которым можно искать ошибки в новых результатах.

Исследователи сравнили два способа адаптации — через накопленный контекст и через изменение параметров модели — и отдельно посмотрели, какие знания система усваивает. Выяснилось, что персональная настройка может захватывать сразу два уровня: общие правила, полезные нескольким людям, и индивидуальные требования конкретного пользователя. Это важно для открытых задач, где нет одного правильного ответа и где качество обычно оценивают не по готовому эталону, а по профессиональному суждению.

Ключевые цифры

20 взаимодействийПо дополнительному описанию статьи, уже после такого числа обменов с человеком агент заметно подстраивался под его требования — это скорее десятки, а не сотни примеров.

2 способа адаптацииАвторы проверяли и накопление инструкций в контексте, и изменение внутренних параметров модели, поэтому сравнивали не один вариант персонализации.

2 уровня экспертизыСистема пыталась сохранить и общие для нескольких пользователей правила, и особенности вкуса или требований отдельного человека.

Можно ли доверять

Это препринт arXiv, поэтому независимая проверка ещё впереди. Кроме того, в абстракте указаны 30 участников, а в дополнительном описании — 20 экспертов; такую разницу стоит прояснить, прежде чем считать выводы окончательными.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали

ЖурналarXiv (cs.AI)

Дата публикации у нас4 сентября 2026 г.

Дата источника3 сентября 2026 г.

ОригиналОткрыть

АвторыZora Zhiruo Wang, Apurva Gandhi, Rulin Shao, Aspen Chen, Jonas Mueller, Zhiqi Liang, Jett Chen, Michael Ryan, Qianou Ma, Luxi He