Une étude de la New York University et de l'University of Texas at Austin a identifié six motifs linguistiques que les modèles linguistiques avancés utilisent systématiquement plus fréquemment et qui sont plus difficiles à comprendre pour les gens. Selon The Decoder.
Les auteurs relient le problème à l'apprentissage sur du code et des documents mathématiques: la précision y est récompensée, mais pas nécessairement la clarté de l'expression. Selon la description de l'étude, les petits modèles, au contraire, écrivent de manière plus semblable à celle des humains.
La conclusion pratique est encore limitée: le matériel disponible ne révèle pas les motifs eux-mêmes, la méthodologie de l'étude et les différences entre les modèles spécifiques. Ainsi, la publication indique plutôt une direction pour évaluer la qualité des réponses plutôt que de fournir un critère universel de lisibilité.
commentaire éditorial
Pourquoi c’est important
Conséquence probable — une attention accrue à la lisibilité comme indicateur de qualité des réponses de l'IA, et pas seulement à leur exactitude. Le prochain signal observé sera la publication de l'étude complète avec la liste des motifs et la méthodologie de vérification. Une incertitude substantielle subsiste en raison de l'absence du texte primaire et des données.