等级 B2 – 中高级CEFR B2
5 分钟
251 字
耶鲁管理学院的一项研究表明，让生成性人工智能首先提出并检验“为什么一个标题更吸引人”的可验证解释，可以产出更具吸引力且更可信的标题。研究者的方法类似科学推理：先通过溯因提出多种可能解释，再通过归纳在更大数据上检验这些解释，最后用经验证的理由对大型语言模型进行微调，以促使其为正确的原因而非表面线索最大化参与度。
团队由唐王牌（Tong Wang）、K. Sudhir 和预博士研究助理周恒光（Hengguang Zhou）领导，使用了Upworthy的真实数据集——23,000个标题，涉及约4,500篇已做A/B测试的文章。评估时研究人员还采用了一个基于Upworthy A/B测试结果的预训练评分模型来衡量标题质量。
在一项含约150名受试者的比较中，研究者让人们在原始Upworthy标题、常规模型生成标题与新框架生成标题三者间选择。结果显示，新方法被选中的比例明显更高，而常规模型更倾向使用耸动性语言。
- 方法：生成假设→检验假设→微调模型。
- 数据：Upworthy 标题与 A/B 测试结果。
- 应用：也可用于客服辅导，输入可含音频或视觉数据。
研究者认为，这种以知识为导向的AI既能改善内容，也能提升系统的责任性与可信度。
难词
- 生成性人工智能 — 能自动创作文本或图像的智能系统
- 溯因 — 从结果推测可能原因的方法
- 归纳 — 从多个例子总结一般结论的方法
- 微调 — 在已有模型上进行小范围调整
- 可验证 — 可通过事实或数据检验的可验证的
- 参与度 — 用户对内容的关注或互动程度
- 耸动性 — 用夸张语言吸引注意的性质
- 预训练 — 在大数据上先行训练模型
提示：在文章中将鼠标悬停、聚焦或轻触高亮词语，即可在阅读或听音频时快速查看简要释义。
讨论问题
- 文章提到这种方法也可用于客服辅导并支持音频或视觉输入。你认为这在实际客服工作中最大的好处是什么？请说明一两点并举例。
- 研究者认为以知识为导向的AI能提升责任性与可信度。你觉得这种方法还可能存在哪些限制或风险？请说明理由。
- 把这种方法用于新闻标题或编辑工作有哪些潜在优点？又可能带来哪些道德或实践上的问题？请举例说明。
