Yale School of Management'dan Tong Wang, K. Sudhir ve doktora öncesi araştırma görevlisi Hengguang Zhou tarafından yürütülen araştırma, üretken yapay zekânın başlık üretiminde neden daha etkileyici ve güvenilir içerik üretebileceğini gösteriyor. Çalışma A/B testi verilerine odaklandı; bu yöntemde iki başlık farklı okuyuculara gösterilip tıklama oranları karşılaştırılıyor. Ekip, sadece kazanan başlıklarla eğitilen bir dil modelinin yüzeysel ipuçlarına dayanarak "clickbait" üretebileceğini savundu.
Bunun önüne geçmek için araştırmacılar, bir başlığın daha ilgi çekici olmasının olası nedenleri hakkında rakip hipotezler üreten, sonra bu hipotezleri veri üzerinde test ederek doğrulanmış açıklama setleri çıkaran bir büyük dil modeli geliştirdi. Takım, Upworthy için hazırlanmış 23.000 başlık ve 4.500 makaleyi içeren veri kümesinin bölümlerini kullandı ve modelin hipotezlerinin genelleşme yeteneğini sınadı. Değerlendirme için Upworthy'nin A/B test sonuçlarına dayanan önceden eğitilmiş bir puanlama modeli kullanıldı.
Yaklaşımın etkinliği yaklaşık 150 katılımcıyla test edildi: insanlar ve standart AI başlıkları yaklaşık %30 oranında en iyi olarak seçilirken, yeni model %44 oranında seçildi. Analizler, standart modellerin daha çok sansasyonel dile yaslandığını gösterdi. Araştırmacılar yöntemin müşteri hizmetleri koçluğu gibi farklı alanlara taşınabileceğini ve ses ile görsel verilerin de girdiye dahil edilebileceğini ekledi. Sonuç olarak bilgi yönlendirmeli AI'nın içerik kalitesini ve güvenilirliğini artırabileceği belirtildi.
Zor kelimeler
- üretken yapay zekâ — yeni metin veya içerik otomatik üreten yapay zekaüretken yapay zekânın
- A/B testi — İki farklı başlığın veya seçeneğin karşılaştırıldığı deneyA/B test
- hipotez — bir durum için test edilebilir olası açıklamahipotezler, hipotezlerinin
- genelleşme — öğrenilen bilginin yeni durumlara uygulanması yeteneği
- puanlama — bir öğeye puan verme veya değer atama işlemi
- sansasyonel — aşırı duygusal veya çarpıcı şekilde ilgi çeken
- yaklaşım — bir sorunu çözme veya inceleme yöntemiYaklaşımın
İpucu: Türkçe metni okurken veya ses kaydını dinlerken, vurgulanan kelimelerin üzerine gel, odaklan ya da dokun; anında kısa tanımlar görünür.
Tartışma soruları
- A/B testi verileri kullanmanın bu tür bir başlık araştırmasında hangi avantajları ve sınırlamaları olabilir?
- Bilgi yönlendirmeli bir modelin müşteri hizmetleri koçluğu gibi farklı alanlara taşınmasının olası yararları ve riskleri nelerdir?
- Metinde ses ve görsel verilerin de girdiye dahil edilebileceği söyleniyor. Bu tür ek veriler modelin sonuçlarını nasıl etkileyebilir?
İlgili makaleler
Belgrad'daki Vidovdan gösterileri ve medya tepkisi
Nataša Stanojević'in ISAC için hazırladığı analiz, 28 Haziran Vidovdan günü Belgrad'da düzenlenen büyük gösterilerin medya tarafından nasıl sunulduğunu ve siyasi tepkileri inceliyor. Çalışma tutuklamalar, polis müdahalesi ve propaganda taktiklerini ele alıyor.
Futurity'nin 2025'te Seçtiği En İyi 10 Araştırma Haberi
Futurity, 2025 boyunca yayımlanan araştırma haberleri arasından en iyi 10 gönderiyi seçti. Seçkide sağlık, enerji, arkeoloji, sinirbilim, malzeme bilimi ve çevresel sağlık konuları yer alıyor; okuyucular 2026'da geri gelmeye davet edildi.
İngilizce öğrenen öğrencilerin sınıf içi gruplamasının etkileri
İki büyük çalışma, İngilizce öğrenen öğrencileri aynı sınıflarda toplamanın akademik sonuçlarını inceledi. Lise çalışması mezuniyet ve üniversite kayıtlarında düşüş buldu; ilkokul çalışması ortalama fark göstermedi ama farklı öğrencilere farklı yarar sağladı.