Một nghiên cứu của Yale School of Management phát triển một phương pháp để làm cho hệ thống sinh tiêu đề bằng AI ít câu kéo hơn và đáng tin cậy hơn. Nhóm nghiên cứu cho mô hình ngôn ngữ tạo ra các giả thuyết cạnh tranh về lý do một tiêu đề hấp dẫn hơn, rồi kiểm tra các giả thuyết đó trên dữ liệu thực tế.
Họ dùng một bộ dữ liệu gồm 23.000 tiêu đề mô tả 4.500 bài báo từ Upworthy và một mô hình chấm điểm đã được huấn luyện trước trên kết quả thử nghiệm A/B để đánh giá chất lượng tiêu đề. Khi có các giả thuyết được xác thực, họ tinh chỉnh mô hình để tối ưu hóa tương tác vì những lý do thực sự, không phải bằng cách khai thác ngôn ngữ giật gân.
Kết quả đánh giá với khoảng 150 người cho thấy mô hình mới được chọn thường xuyên hơn; phân tích cũng chỉ ra rằng AI tiêu chuẩn dựa nhiều hơn vào ngôn từ giật gân.
Từ khó
- phương pháp — cách làm có trình tự để giải quyết vấn đề
- giả thuyết — lời giải thích tạm thời để kiểm tracác giả thuyết
- tinh chỉnh — thay đổi nhỏ để làm hệ thống tốt hơn
- tối ưu hóa — điều chỉnh để đạt hiệu quả cao nhất
- tương tác — hành động hoặc phản hồi giữa người và hệ thống
- giật gân — ngôn từ gây chú ý mạnh, thường kịch tính
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bạn nghĩ thế nào về việc ưu tiên tiêu đề ít câu kéo nhưng vẫn thu hút? Nêu lý do.
- Bạn đã từng bấm vào tiêu đề giật gân chưa? Vì sao bạn làm vậy?
- Nếu bạn viết tiêu đề cho một bài báo, bạn sẽ ưu tiên điều gì: chính xác hay thu hút? Giải thích.
