Wissensgeleitete KI schreibt bessere Überschriften ^{CEFR B2}

Forschende der Yale School of Management (Tong Wang und K. Sudhir, mit Hengguang Zhou) präsentieren ein Framework, das generative KI wissensgeleitet macht. Statt ein Modell nur auf siegreichen Überschriften zu trainieren, lässt ihr Ansatz das Modell konkurrierende Hypothesen darüber generieren, warum eine Überschrift funktioniert, und testet diese Hypothesen mit existierenden A/B‑Testergebnissen.

Als Datenbasis dienten 23.000 Überschriften zu 4.500 Artikeln von Upworthy sowie zugehörige Klickraten. Aus den vorgeschlagenen Hypothesen extrahierten die Forschenden eine kleine Menge validierter Erklärungen. Anschließend wurde das große Sprachmodell (LLM) feinjustiert, damit es Überschriften schreibt, die Engagement aus den richtigen Gründen erzeugen und nicht allein auf oberflächliche Signale setzen.

Das Team verglich drei Quellen von Überschriften: originale Upworthy‑Überschriften, standardmäßig von KI erzeugte Überschriften und Überschriften aus dem neuen Framework. In einer Bewertung durch etwa 150 Personen wurde das neue Modell in 44% der Fälle bevorzugt, während menschliche und Standard‑KI‑Überschriften jeweils bei rund 30% lagen. Die Analyse zeigte, dass Standard‑KI stärker zu sensationsheischender Sprache neigt.

Die Forschenden sehen breitere Anwendungen: Wissensgeleitete Modelle könnten zum Beispiel in Zusammenarbeit mit Unternehmen personalisierte KI‑Coachings für Kundenservice‑Agenten entwickeln. Das System könnte Interaktionen prüfen, Hypothesen vorschlagen, validieren und gezielte Ratschläge geben; Eingaben müssen nicht nur Text sein, sondern könnten auch Audio oder Bilder umfassen. Die Schlussfolgerung lautet, dass wissensgeleitete KI Inhalte verbessern sowie Systeme verantwortlicher und vertrauenswürdiger machen kann.