ਬਹੁਤ ਸਾਰੇ ਪਾਠਕਾਂ ਨੇ ਇਸ ਨੂੰ ਕਿੱਸਾਤਮਕ ਤੌਰ 'ਤੇ ਦੇਖਿਆ ਹੈ: AI ਮਾਡਲਾਂ ਦੁਆਰਾ ਲਿਖਿਆ ਟੈਕਸਟ ਪਾਰਸ ਕਰਨ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਸੰਘਣਾ, ਝੁਕਿਆ ਹੋਇਆ ਅਤੇ ਅਜੀਬ ਤੌਰ 'ਤੇ ਥਕਾਵਟ ਵਾਲਾ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ, ਭਾਵੇਂ ਇਹ ਵਿਆਕਰਨ ਪੱਖੋਂ ਨਿਰਦੋਸ਼ ਹੋਵੇ। arXiv 'ਤੇ ਪੋਸਟ ਕੀਤਾ ਗਿਆ ਇੱਕ ਨਵਾਂ ਪ੍ਰੀਪ੍ਰਿੰਟ ਉਸ ਅਨੁਭਵ ਦੇ ਪਿੱਛੇ ਸਖ਼ਤ ਭਾਸ਼ਾਈ ਡੇਟਾ ਰੱਖਦਾ ਹੈ - ਅਤੇ ਇਹ ਕਿਉਂ ਹੋ ਰਿਹਾ ਹੈ ਇਸ ਬਾਰੇ ਸਪੱਸ਼ਟੀਕਰਨ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦਾ ਹੈ।
ਅਧਿਐਨ, "AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣਾ ਇੰਨਾ ਔਖਾ ਕਿਉਂ ਹੈ?", ਖੋਜਕਰਤਾਵਾਂ ਥਾਮਸ ਹਿਕਾਰੂ ਕਲਾਰਕ, ਮੈਟਿਅਸ ਬੀ. ਮਾਰਟਿਨ ਅਤੇ ਕਾਇਲ ਮਹੋਵਾਲਡ ਦੁਆਰਾ 21 ਅਕਤੂਬਰ ਨੂੰ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਸੀ। ਵਿਭਿੰਨ ਡੋਮੇਨਾਂ ਵਿੱਚ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਟੈਕਸਟ ਦੇ ਇੱਕ ਨਾਵਲ ਕਾਰਪਸ 'ਤੇ ਖਿੱਚਦੇ ਹੋਏ, ਲੇਖਕਾਂ ਨੇ ਮਨੋ-ਭਾਸ਼ਾਈ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਇੱਕ ਸਮੂਹ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜੋ ਸਾਹਿਤ ਵਿੱਚ ਮਨੁੱਖੀ ਪਾਠਕਾਂ ਲਈ ਪ੍ਰੋਸੈਸਿੰਗ ਮੁਸ਼ਕਲ ਦੇ ਮਾਰਕਰ ਦੇ ਰੂਪ ਵਿੱਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਪਤ ਹਨ - ਜਿਸ ਵਿੱਚ ਵਸਤੂ ਸੰਬੰਧੀ ਧਾਰਾਵਾਂ, ਲੰਮੀ ਸੰਟੈਕਟਿਕ ਨਿਰਭਰਤਾ, ਅਤੇ ਘੱਟ-ਫ੍ਰੀਕੁਐਂਸੀ ਐਨ-ਗ੍ਰਾਮ ਸ਼ਾਮਲ ਹਨ। For more context on this story, see our ongoing AI industry coverage.
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਕੀ ਮਾਪਿਆ
ਮਨੋਵਿਗਿਆਨ ਵਿਗਿਆਨ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਜਾਣਦਾ ਹੈ ਕਿ ਸਾਰੇ ਵਾਕਾਂ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਇੱਕੋ ਜਿਹਾ ਖਰਚ ਨਹੀਂ ਹੁੰਦਾ। ਵਸਤੂ ਸੰਬੰਧੀ ਧਾਰਾਵਾਂ ("ਸੀਨੇਟਰ ਜਿਸ 'ਤੇ ਰਿਪੋਰਟਰ ਨੇ ਹਮਲਾ ਕੀਤਾ...") ਵਿਸ਼ੇ ਸੰਬੰਧੀ ਰਿਸ਼ਤੇਦਾਰਾਂ ਨਾਲੋਂ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਲਈ ਮਾਪਦੰਡ ਜ਼ਿਆਦਾ ਸਮਾਂ ਲੈਂਦੀ ਹੈ। ਸ਼ਬਦਾਂ ਵਿਚਕਾਰ ਲੰਮੀ ਨਿਰਭਰਤਾ ਪਾਠਕਾਂ ਨੂੰ ਮੈਮੋਰੀ ਵਿੱਚ ਹੋਰ ਸਮੱਗਰੀ ਰੱਖਣ ਲਈ ਮਜ਼ਬੂਰ ਕਰਦੀ ਹੈ। ਦੁਰਲੱਭ ਸ਼ਬਦ ਕ੍ਰਮ ਨੂੰ ਮੁੜ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਲਈ ਵਧੇਰੇ ਜਤਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਇਹ ਮਾਪਣ ਲਈ ਇੱਕ ਸ਼ਾਸਕ ਦੇ ਤੌਰ 'ਤੇ ਕੰਮ ਕਰਦੀਆਂ ਹਨ ਕਿ ਇੱਕ ਟੈਕਸਟ ਨੂੰ ਅਸਲ ਵਿੱਚ ਸਮਝਣਾ ਕਿੰਨਾ ਔਖਾ ਹੈ - ਜਿਵੇਂ ਕਿ ਇਹ ਕਿੰਨੀ ਸੂਝਵਾਨ ਆਵਾਜ਼ ਤੋਂ ਵੱਖਰਾ ਹੈ।
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਏਆਈ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੀ ਲਿਖਤ ਦੀ ਤੁਲਨਾ ਦੋ ਬੇਸਲਾਈਨਾਂ ਦੇ ਵਿਰੁੱਧ ਕੀਤੀ: ਮਨੁੱਖੀ-ਲਿਖਤ ਟੈਕਸਟ, ਅਤੇ ਰਾਉਂਡ-ਟ੍ਰਿਪ ਟ੍ਰਾਂਸਲੇਸ਼ਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਪੈਰਾਫ੍ਰੇਜ਼, ਇੱਕ ਨਿਯੰਤਰਣ ਜੋ ਕਿ ਅਸਲ ਮਾਡਲ ਦੇ ਗੁਣਾਂ ਨੂੰ ਰਸਮੀ ਜਾਂ ਮਸ਼ੀਨ-ਈਸ਼ ਗੱਦ ਦੇ ਆਮ ਸੁਆਦ ਤੋਂ ਵੱਖ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ।
ਇਹ ਕੰਟਰੋਲ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ। ਸੰਦੇਹਵਾਦੀ ਵਾਜਬ ਤੌਰ 'ਤੇ ਇਹ ਦਲੀਲ ਦੇ ਸਕਦੇ ਹਨ ਕਿ AI ਟੈਕਸਟ ਨੂੰ ਸਿਰਫ਼ ਕਾਰੋਬਾਰੀ ਜਾਂ ਤਕਨੀਕੀ ਲਿਖਤਾਂ ਵਾਂਗ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ - ਰਸਮੀ, ਵਿਅਕਤੀਗਤ, ਅਤੇ ਨਾਂਵ-ਭਾਰੀ - ਨਾ ਕਿ ਇੱਕ ਵੱਖਰੀ ਪੈਥੋਲੋਜੀ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਦੀ ਬਜਾਏ। ਰਾਉਂਡ-ਟ੍ਰਿਪ ਅਨੁਵਾਦ ਇਸ ਦੇ ਪਿੱਛੇ ਕਿਸੇ ਵੀ ਭਾਸ਼ਾ-ਮਾਡਲ ਸਿਖਲਾਈ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਸਮਾਨ ਪਾਲਿਸ਼ਡ, ਥੋੜ੍ਹਾ ਗੈਰ-ਕੁਦਰਤੀ ਰਜਿਸਟਰ ਦੇ ਨਾਲ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਜੇ ਏਆਈ ਮਾਡਲ ਅਜੇ ਵੀ ਪ੍ਰੋਸੈਸਿੰਗ-ਮੁਸ਼ਕਲ ਉਪਾਵਾਂ 'ਤੇ ਉਸ ਬੇਸਲਾਈਨ ਨੂੰ ਪਾਰ ਕਰਦੇ ਹਨ, ਤਾਂ ਫਰਕ ਕਿਸੇ ਖਾਸ ਚੀਜ਼ ਤੋਂ ਆਉਣਾ ਹੋਵੇਗਾ ਕਿ ਮਾਡਲਾਂ ਨੇ ਖੁਦ ਲਿਖਣਾ ਕਿਵੇਂ ਸਿੱਖਿਆ ਹੈ। ਇਹ, ਸੰਖੇਪ ਵਿੱਚ, ਅਧਿਐਨ ਵਿੱਚ ਪਾਇਆ ਗਿਆ ਹੈ.
ਉਹਨਾਂ ਨੇ ਕੀ ਪਾਇਆ
ਨਤੀਜੇ ਪੂਰੇ ਬੋਰਡ ਵਿਚ ਇਕਸਾਰ ਸਨ। ਮਨੁੱਖੀ ਲਿਖਤਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ, ਅਧਿਐਨ ਵਿੱਚ ਜਾਂਚੇ ਗਏ ਸਾਰੇ ਨੌਂ ਸਰਹੱਦੀ ਅਤੇ ਨਜ਼ਦੀਕੀ-ਸਰਹੱਦੀ ਮਾਡਲਾਂ - ਇੱਕ ਸਮੂਹ ਜਿਸ ਵਿੱਚ GPT-5.6, ਕਲਾਉਡ, ਲਾਮਾ, ਡੀਪਸੀਕ, ਅਤੇ ਕਵੇਨ ਪਰਿਵਾਰਾਂ ਦੇ ਸਿਸਟਮ ਸ਼ਾਮਲ ਹਨ - ਨੇ ਮਾਪਦੰਡ ਤੌਰ 'ਤੇ ਔਖੇ ਵਿਕਲਪ ਬਣਾਏ:
- ਸਜੀਵ ਕ੍ਰਿਆਵਾਂ ਨਾਲ ਜੋੜਾਬੱਧ ਕੀਤੇ ਹੋਰ ਬੇਜਾਨ ਵਿਸ਼ੇ — ਲਿਖਣ ਦਾ ਵਿਸ਼ੇਸ਼ਤਾ AI ਪੈਟਰਨ ਜੋ "ਡੈਲਵ", "ਅੰਡਰਸਕੋਰ" ਜਾਂ "ਹਾਈਲਾਈਟ" ਕਰਦਾ ਹੈ।
- ਹੋਰ ਘੱਟ ਬਾਰੰਬਾਰਤਾ ਵਾਲੇ n-ਗ੍ਰਾਮ, ਭਾਵ ਅਸਾਧਾਰਨ ਸ਼ਬਦ ਕ੍ਰਮ ਜੋ ਮਨੁੱਖੀ ਲੇਖਕ ਘੱਟ ਹੀ ਪੈਦਾ ਕਰਦੇ ਹਨ।
- ਲੰਬੀ ਸਿੰਟੈਕਟਿਕ ਨਿਰਭਰਤਾ, ਵਿਸ਼ਿਆਂ ਅਤੇ ਕ੍ਰਿਆਵਾਂ ਦੇ ਨਾਲ ਹੋਰ ਦਖਲਅੰਦਾਜ਼ੀ ਸਮੱਗਰੀ ਦੁਆਰਾ ਵੱਖ ਕੀਤੇ ਗਏ।
- ਵਧੇਰੇ ਸਟੈਕ ਕੀਤੇ ਨਾਂਵਾਂ ਅਤੇ, ਗੱਲਬਾਤ ਦੇ ਪਾਠ ਵਿੱਚ, ਹੋਰ ਘਟਾਏ ਗਏ ਵਸਤੂ ਸੰਬੰਧੀ ਧਾਰਾਵਾਂ।
ਅਧਿਐਨ ਨੇ ਮਾਡਲ ਪਰਿਵਾਰਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਪਰਿਵਰਤਨ ਦਾ ਵੀ ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਕੀਤਾ - ਸਾਰੇ ਮਾਡਲਾਂ ਨੂੰ ਪੜ੍ਹਨਾ ਬਰਾਬਰ ਔਖਾ ਨਹੀਂ ਹੁੰਦਾ - ਅਤੇ ਪਾਇਆ ਗਿਆ ਕਿ AI ਮਾਡਲਾਂ ਨੇ ਇਹਨਾਂ ਮੁਸ਼ਕਲ ਨਿਰਮਾਣਾਂ ਨੂੰ ਰਾਉਂਡ-ਟ੍ਰਿਪ-ਅਨੁਵਾਦ ਪੈਰਾਫ੍ਰੇਜ਼ਾਂ ਨਾਲੋਂ ਜ਼ਿਆਦਾ ਵਰਤਿਆ ਹੈ, ਜੋ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਨਾ ਕਿ ਰਸਮੀ ਰਜਿਸਟਰ ਦੀ ਕਲਾ ਦੀ ਬਜਾਏ।
ਇਹ ਪਰਿਵਰਤਨ ਚੁੱਪਚਾਪ ਪੇਪਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਉਪਯੋਗੀ ਨਤੀਜਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਜੇਕਰ ਪੜ੍ਹਨ ਦੀ ਮੁਸ਼ਕਲ ਪੈਮਾਨੇ ਜਾਂ ਸਮਰੱਥਾ ਦਾ ਇੱਕ ਅਟੱਲ ਨਤੀਜਾ ਸੀ, ਤਾਂ ਸਾਰੇ ਸਰਹੱਦੀ ਸਿਸਟਮ ਇਕੱਠੇ ਕਲੱਸਟਰ ਹੋਣਗੇ। ਇਸ ਦੀ ਬਜਾਏ, ਪਰਿਵਾਰਾਂ ਵਿਚਕਾਰ ਫੈਲਣਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਸਿਖਲਾਈ ਤੋਂ ਬਾਅਦ ਦੀਆਂ ਚੋਣਾਂ — ਡਾਟਾ ਮਿਸ਼ਰਣ, ਇਨਾਮ ਸੰਕੇਤ, ਤਰਕ-ਭਾਰੀ ਡੋਮੇਨਾਂ 'ਤੇ ਜ਼ੋਰ — ਪ੍ਰਤੱਖ ਰੂਪ ਵਿੱਚ ਇੱਕ ਮਾਡਲ ਦੀ ਵਾਰਤਕ ਮਨੁੱਖੀ ਪਾਠਕ 'ਤੇ ਕਿਵੇਂ ਉਤਰਦੀ ਹੈ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, AI ਟੈਕਸਟ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਔਖਾ ਇੱਕ ਡਿਜ਼ਾਈਨ ਨਤੀਜਾ ਹੈ, ਨਾ ਕਿ ਬੁੱਧੀ ਦਾ ਇੱਕ ਅਟੱਲ ਉਪ-ਉਤਪਾਦ।
ਜਾਣਕਾਰੀ-ਘਣਤਾ ਪਰਿਕਲਪਨਾ
ਮਾਡਲ ਸਖ਼ਤ ਭਾਸ਼ਾ ਵੱਲ ਕਿਉਂ ਵਧਣਗੇ? ਲੇਖਕ ਇੱਕ ਪਰਿਕਲਪਨਾ ਦਾ ਪ੍ਰਸਤਾਵ ਕਰਦੇ ਹਨ ਅਤੇ ਪਰਖਦੇ ਹਨ: ਜਦੋਂ ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਵਿਕਸਿਤ ਹੋਈ ਹੈ ਅਤੇ ਸਫਲਤਾਪੂਰਵਕ ਸੰਚਾਰ ਕਰਨ ਦੇ ਦਬਾਅ ਹੇਠ ਸਿੱਖੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ AI-ਤਿਆਰ ਟੈਕਸਟ ਨੂੰ ਹੋਰ ਟੀਚਿਆਂ - ਗਣਿਤ, ਕੋਡ, ਅਤੇ ਤਰਕ ਦੇ ਕਾਰਜਾਂ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ - ਜਿੱਥੇ ਦਬਾਅ ਸਮਝ ਦੀ ਸੌਖ ਦੀ ਬਜਾਏ ਜਾਣਕਾਰੀ ਦੀ ਘਣਤਾ ਵੱਲ ਹੁੰਦਾ ਹੈ।
ਸਹੀ ਜਵਾਬਾਂ ਨੂੰ ਘੱਟ ਟੋਕਨਾਂ ਵਿੱਚ ਪੈਕ ਕਰਨ ਲਈ ਇਨਾਮ ਦਿੱਤਾ ਗਿਆ ਇੱਕ ਮਾਡਲ ਉਹ ਆਦਤਾਂ ਸਿੱਖਦਾ ਹੈ ਜੋ ਵਾਰਤਕ ਵਿੱਚ ਆਉਂਦੀਆਂ ਹਨ: ਅਰਥ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰੋ, ਸਟੀਕ-ਪਰ-ਦੁਰਲੱਭ ਸ਼ਬਦਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ, ਪ੍ਰਤੀ ਵਾਕ ਵਿੱਚ ਵਧੇਰੇ ਬਣਤਰ ਸ਼ਾਮਲ ਕਰੋ। ਨਤੀਜਾ ਟੈਕਸਟ ਹੈ ਜੋ ਮਨੁੱਖੀ ਪਾਠਕਾਂ ਲਈ ਲਗਾਤਾਰ ਘੱਟ ਕੁਦਰਤੀ ਵਧਦੇ ਹੋਏ ਬੈਂਚਮਾਰਕ 'ਤੇ ਵਧੀਆ ਸਕੋਰ ਕਰਦਾ ਹੈ।
ਇਸ ਵਿਚਾਰ ਦੀ ਪਰਖ ਕਰਨ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸੰਕਲਪ ਦਾ ਸਬੂਤ ਪ੍ਰਯੋਗ ਚਲਾਇਆ: ਉਹਨਾਂ ਨੇ ਲੰਬਾਈ ਦੇ ਜੁਰਮਾਨੇ ਦੇ ਤਹਿਤ ਇੱਕ ਭਾਸ਼ਾ ਮਾਡਲ ਨੂੰ ਵਧੀਆ ਬਣਾਇਆ, ਇਸਨੂੰ ਇਸਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ। ਮਾਡਲ ਦਾ ਭਾਸ਼ਾਈ ਵਿਵਹਾਰ ਮਨੁੱਖੀ-ਵਰਗੇ ਪੈਟਰਨਾਂ ਤੋਂ ਬਿਲਕੁਲ ਉਸੇ ਤਰੀਕੇ ਨਾਲ ਵੱਖਰਾ ਹੋ ਗਿਆ ਹੈ ਜਿਵੇਂ ਕਿ ਪਰਿਕਲਪਨਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਗਈ ਹੈ - ਇਸ ਵਿਚਾਰ ਲਈ ਕਾਰਕ ਸਮਰਥਨ ਉਧਾਰ ਦੇਣਾ ਕਿ ਅਨੁਕੂਲਤਾ ਦਾ ਦਬਾਅ, ਇਕੱਲੇ ਡੇਟਾ ਨਹੀਂ, ਤਬਦੀਲੀ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ।
ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ
ਖੋਜਾਂ ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿ ਲੇਖਕ ਮਨੁੱਖਾਂ ਦੀਆਂ ਭਾਸ਼ਾਈ ਪ੍ਰੋਸੈਸਿੰਗ ਮੰਗਾਂ ਅਤੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਦੁਆਰਾ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਤਰਜੀਹੀ ਤੌਰ 'ਤੇ ਪਸੰਦ ਕੀਤੇ ਗਏ ਵਿਚਕਾਰ ਇੱਕ ਗਲਤ ਮੇਲ-ਮਿਲਾਪ ਕਹਿੰਦੇ ਹਨ। ਇਸ ਗਲਤ ਅਲਾਈਨਮੈਂਟ ਦੇ ਵਿਹਾਰਕ ਨਤੀਜੇ ਹਨ। AI ਸਹਾਇਕ ਜੋ ਪੜ੍ਹਨ ਲਈ ਔਖਾ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦੇ ਹਨ, ਹਰ ਜਵਾਬ 'ਤੇ ਇੱਕ ਛੁਪਿਆ ਹੋਇਆ ਟੈਕਸ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਪ੍ਰਭਾਵ ਮਿਸ਼ਰਤ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਲੋਕ ਮਾਡਲ-ਤਿਆਰ ਡਰਾਫਟਾਂ, ਸਾਰਾਂਸ਼ਾਂ ਅਤੇ ਸਪੱਸ਼ਟੀਕਰਨਾਂ 'ਤੇ ਆਪਣਾ ਪੜ੍ਹਨ ਦਾ ਵਧੇਰੇ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਹਨ।
ਲੇਖਕ ਸੰਭਾਵੀ ਉਪਚਾਰਾਂ ਵੱਲ ਆਪਣੇ ਫਰੇਮਵਰਕ ਬਿੰਦੂਆਂ ਦੀ ਦਲੀਲ ਦਿੰਦੇ ਹਨ - ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਜਾਂ ਟਿਊਨ ਕਰਨ ਦੇ ਤਰੀਕੇ ਜਿਨ੍ਹਾਂ ਦਾ ਆਉਟਪੁੱਟ ਸਮਰੱਥਾ ਦੀ ਕੁਰਬਾਨੀ ਕੀਤੇ ਬਿਨਾਂ ਮਨੁੱਖੀ ਪ੍ਰੋਸੈਸਿੰਗ ਸੀਮਾਵਾਂ ਦਾ ਆਦਰ ਕਰਦਾ ਹੈ। ਪੇਪਰ ਇੱਕ ਪੂਰਵ-ਪ੍ਰਿੰਟ ਹੈ ਅਤੇ ਅਜੇ ਤੱਕ ਪੀਅਰ ਸਮੀਖਿਆ ਤੋਂ ਗੁਜ਼ਰਿਆ ਨਹੀਂ ਹੈ, ਪਰ ਇਸਦਾ ਕੇਂਦਰੀ ਨਿਰੀਖਣ ਪਹਿਲਾਂ ਹੀ ਗੂੰਜ ਰਿਹਾ ਹੈ: ਕੰਮ 24 ਅਕਤੂਬਰ ਨੂੰ ਹੈਕਰ ਨਿਊਜ਼ ਦੇ ਪਹਿਲੇ ਪੰਨੇ 'ਤੇ ਚੜ੍ਹਿਆ, ਇਸ ਬਾਰੇ ਇੱਕ ਸਰਗਰਮ ਬਹਿਸ ਖਿੱਚ ਰਹੀ ਹੈ ਕਿ ਕੀ ਤਰਕ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਪੜ੍ਹਨਯੋਗ ਗਦ ਵਿਚਕਾਰ ਵਪਾਰ-ਬੰਦ ਬੁਨਿਆਦੀ ਹੈ ਜਾਂ ਸਥਿਰ ਹੈ।
ਹੁਣ ਲਈ, ਅਧਿਐਨ ਪਾਠਕਾਂ ਨੂੰ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਨਿਰਾਸ਼ਾ ਲਈ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਸ਼ਬਦਾਵਲੀ ਦਿੰਦਾ ਹੈ। ਟੈਕਸਟ ਦੁਰਘਟਨਾ ਦੁਆਰਾ ਖਰਾਬ ਨਹੀਂ ਹੋ ਰਿਹਾ ਹੈ - ਇਹ ਡਿਜ਼ਾਈਨ ਦੁਆਰਾ ਸੰਘਣਾ ਹੋ ਰਿਹਾ ਹੈ।
ਸਰੋਤ: arXiv:2610.29162, ਹੈਕਰ ਨਿਊਜ਼ ਚਰਚਾ---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
