3 วิธีใหม่สร้างข้อมูลฝึก AI ให้คิดเหมือนคน โดยไม่ต้องมีคำตอบเตรียมไว้

นักวิจัย arXiv เพิ่งโพสต์ 3 เฟรมเวิร์กใหม่ (MindLoom, OSCToM, MindZero) ที่แก้ปัญหาเดิม: สร้างข้อมูลฝึก reasoning ระดับสูงให้ LLM ได้ยาก ควบคุมความยากได้ยาก และต้องใช้คำตอบที่มนุษย์ทำไว้ MindLoom ใช้ \"thought modes\" (หน่วยย่อยของการคิด) เพื่อควบคุมความยาก OSCToM เน้นความขัดแย้งในความเชื่อซ้อนกัน MindZero ใช้RL ที่ไม่ต้องคำตอบเตรียมไว้ ทั้งหมดมุ่งให้ AI เข้าใจจิตใจคนได้ดีขึ้น