येल के शोध में Tong Wang और K. Sudhir, साथ में पूर्व-डॉक्टोरल सहयोगी Hengguang Zhou ने दिखाया कि जनरेटिव AI को हेडलाइन-प्रभाव के बारे में स्पष्ट, परखने योग्य सिद्धांत बनाने के लिए प्रशिक्षित करने से वह अधिक आकर्षक और भरोसेमंद सामग्री बनाता है। वे पारंपरिक A/B परीक्षण की प्रक्रिया को बदलते हैं: मॉडल पहले यह अनुमान लगाने के लिए प्रतिस्पर्धी सिद्धांत उत्पन्न करता है कि कोई हेडलाइन दूसरी से बेहतर क्यों है, और फिर उन सिद्धांतों को मौजूदा डेटा पर परखता है।
टीम ने Upworthy के 4,500 लेखों की 23,000 हेडलाइनों का इस्तेमाल किया, जिन पर पहले से A/B परीक्षण हुए थे। मूल्यांकन के लिए Upworthy के A/B-टेस्ट परिणामों पर आधारित एक प्री-ट्रेंड स्कोरिंग मॉडल उपयोग किया गया। सत्यापित सिद्धांतों के बाद शोधकर्ताओं ने LLM को फाइन-ट्यून किया ताकि वह सतही संकेतों का शोषण न करे और असली कारणों के लिए एंगेजमेंट अधिकतम करे।
मानव परीक्षण में लगभग 150 प्रतिभागियों ने तीन स्रोतों की हेडलाइन्स देखीं: मूल Upworthy, मानक AI-जनित, और नए फ्रेमवर्क की हेडलाइन्स। इंसान और मानक AI हेडलाइन्स लगभग 30% बार चुनी गईं, जबकि नए मॉडल को 44% बार चुना गया। विश्लेषण से पता चला कि मानक AI अधिक सनसनीखेज भाषा पर निर्भर था।
शोधकर्ता कहते हैं कि यह दृष्टिकोण ग्राहक सेवा के लिए व्यक्तिगत AI कोचिंग जैसे अनुप्रयोगों में काम आ सकता है, और यह इनपुट के रूप में केवल पाठ तक सीमित नहीं रहकर ऑडियो या दृश्य डेटा भी शामिल कर सकता है। वे निष्कर्ष निकालते हैं कि ज्ञान-निर्देशित AI सामग्री सुधारने के साथ-साथ प्रणालियों को अधिक जिम्मेदार और भरोसेमंद भी बना सकता है। स्रोत: Yale
कठिन शब्द
- हेडलाइन-प्रभाव — शीर्षक से पाठक व्यवहार पर पड़ने वाला प्रभाव
- परखना — किसी विचार या दावे की जाँच करना और साबित करनापरखने
- प्रशिक्षित करना — किसे मशीन या मॉडल को कुछ सीखानाप्रशिक्षित करने
- A/B परीक्षण — दो विकल्पों की तुलना कर परिणाम देखना
- फाइन-ट्यून करना — किसी मॉडल को विशेष डेटा से सुधारनाफाइन-ट्यून किया
- सतही — गहरे अर्थ या कारणों पर नहीं टिका हुआ
- एंगेजमेंट — पाठक या दर्शक की भागीदारी या रुचि
- निष्कर्ष — किसी अध्ययन या चर्चा का अंतिम परिणाम या सार
युक्ति: जब आप किसी भी भाषा में कहानी पढ़ें या ऑडियो सुनें, तो लेख में हाइलाइट किए गए शब्दों पर होवर/फ़ोकस/टैप करें और तुरंत छोटी-सी परिभाषा देखें।
चर्चा के प्रश्न
- इस शोध के अनुसार ज्ञान-निर्देशित AI से समाचार या सामग्री की गुणवत्ता कैसे बदल सकती है? अपने विचार उदाहरण के साथ बताइए।
- व्यक्तिगत AI कोचिंग या ग्राहक सेवा में इस फ्रेमवर्क के उपयोग के क्या फायदे और संभावित जोखिम हो सकते हैं? कारण बताइए।
- AI हेडलाइन जेनरेशन में 'सतही संकेतों' पर निर्भरता कम करने के और कौन‑से तरीकों का आप सुझाव देंगे?
संबंधित लेख
अध्ययन: Abbott‑Bioline मलेरिया परीक्षण कई गलत-नकारात्मक देता है
Malaria Journal में प्रकाशित एक अंतरराष्ट्रीय अध्ययन ने पाया कि Abbott‑Bioline तेज निदान परीक्षण कई गलत-नकारात्मक परिणाम देता है और 'उद्देश्य के लिए उपयुक्त नहीं' कहा गया है। यह उपकरण दक्षिण-पूर्व एशिया में व्यापक रूप से उपयोग होता है।
