Το OpenAI κυκλοφορεί τη λειτουργία μελέτης ως εναλλαγή system-prompt εντός του ChatGPT

Μια εναλλαγή, όχι ένα ξεχωριστό προϊόν

Η λειτουργία μελέτης δεν βρίσκεται σε ξεχωριστή εφαρμογή ή σε διακριτό endpoint μοντέλου. Σύμφωνα με την ανακοίνωση, οι χρήστες την προσεγγίζουν επιλέγοντας "Study and learn" από τα εργαλεία στο ChatGPT, και μπορούν να "ενεργοποιούν και απενεργοποιούν εύκολα τη λειτουργία μελέτης κατά τη διάρκεια μιας συνομιλίας."

Αυτή η σχεδιαστική επιλογή έχει σημασία. Αντί να εξωθήσει τους μαθητές σε ένα κλειστό προϊόν εκμάθησης, το OpenAI έκανε τη συμπεριφορά μια εναλλάξιμη κατάσταση εντός του ίδιου νήματος συνομιλίας. Ένας μαθητής μπορεί να ενεργοποιήσει την καθοδηγούμενη λειτουργία που αποκρύπτει απαντήσεις για να επεξεργαστεί ένα πρόβλημα, και μετά να επανέλθει στο κανονικό ChatGPT όταν θέλει μια άμεση απάντηση. Η εμπειρία εκμάθησης είναι μια λειτουργία της ίδιας διεπαφής που όλοι ήδη χρησιμοποιούν, όχι ένας νέος χώρος για επίσκεψη.

Το OpenAI είναι σαφές ότι αυτό αφορά αρχικά συνδεδεμένους χρήστες στα πλάνα Free, Plus, Pro και Team, με το ChatGPT Edu να ακολουθεί "τις επόμενες εβδομάδες." Ο περιορισμός γίνεται βάσει επιπέδου λογαριασμού και σύνδεσης, όχι βάσει ξεχωριστού SKU.

Χτισμένο σε system οδηγίες, σκόπιμα

Η πιο σημαντική τεχνική λεπτομέρεια βρίσκεται κρυμμένη προς το τέλος: η λειτουργία μελέτης "τροφοδοτείται από προσαρμοσμένες system οδηγίες που γράψαμε σε συνεργασία με εκπαιδευτικούς, επιστήμονες και ειδικούς παιδαγωγικής." Δεν υπάρχει ακόμη κανένα fine-tuned ή νέο εκπαιδευμένο μοντέλο από πίσω.

Το OpenAI δηλώνει το δίλημμα ξεκάθαρα.

Επιλέξαμε αυτή την προσέγγιση διότι μας επιτρέπει να μαθαίνουμε ταχύτατα από πραγματική ανατροφοδότηση μαθητών και να βελτιώνουμε την εμπειρία—ακόμη κι αν αυτό οδηγεί σε κάποια ασυνέπεια συμπεριφοράς και λάθη μεταξύ συνομιλιών. Σχεδιάζουμε να εκπαιδεύσουμε αυτή τη συμπεριφορά απευθείας στα κύρια μοντέλα μας μόλις μάθουμε τι λειτουργεί καλύτερα μέσα από επαναλαμβανόμενη δοκιμή και ανατροφοδότηση μαθητών.Montana Labs

Αυτή είναι μια στρατηγική κυκλοφορίας που κάθε ομάδα εφαρμοσμένης ΤΝ αναγνωρίζει: κωδικοποιήστε την επιθυμητή συμπεριφορά πρώτα σε ένα επίπεδο prompt, συγκεντρώστε πραγματική χρήση, και αναβάλετε το ακριβό, δυσκίνητο βήμα της ενσωμάτωσης στα βάρη του μοντέλου έως ότου η συμπεριφορά επικυρωθεί. Το αντιστάθμισμα είναι η ειλικρίνεια σχετικά με την ασυνέπεια—το ίδιο αίτημα μπορεί να παράγει διαφορετική παιδαγωγική συμπεριφορά μεταξύ διαφορετικών περιόδων συνομιλίας, καθώς ο περιορισμός βρίσκεται στις οδηγίες και όχι στις παραμέτρους.

Οι συμπεριφορές που το prompt προσπαθεί να επιβάλει

Οι system οδηγίες στοχεύουν σε ένα συγκεκριμένο σύνολο τεκμηριωμένων συμπεριφορών: ενθάρρυνση της ενεργής συμμετοχής, διαχείριση του γνωστικού φόρτου, ανάπτυξη μεταγνώσης και αυτοστοχασμού, καλλιέργεια της περιέργειας, και παροχή αξιοποιήσιμης ανατροφοδότησης. Στη διεπαφή αυτά εμφανίζονται ως διαδραστικά prompts (σωκρατικές ερωτήσεις και υποδείξεις αντί για απαντήσεις), δομημένες απαντήσεις χωρισμένες σε ενότητες, εξατομικευμένη υποστήριξη προσαρμοσμένη στο εκτιμώμενο επίπεδο δεξιοτήτων, και έλεγχοι γνώσεων με κουίζ και ανοιχτές ερωτήσεις.

Το παράδειγμα με τη θεωρία παιγνίων στην ανακοίνωση δείχνει τόσο την υπόσχεση όσο και την τριβή μιας προσέγγισης βασισμένης αποκλειστικά σε prompt. Ο μαθητής αναγκάζεται δύο φορές να ανακατευθύνει τον βοηθό—"παρακαλώ θυμηθείτε ότι πρέπει να μου το διδάσκετε, μέσω παραγράφων πληροφοριών"—όταν η προεπιλεγμένη σωκρατική ερωτηματολόγηση συγκρούεται με το δηλωμένο αίτημα του μαθητή να διδαχθεί μέσω ενός οδικού χάρτη. Το μοντέλο συμμορφώνεται, αλλά η ανταλλαγή δείχνει ότι η συμπεριφορά που καθοδηγείται από οδηγίες διαπραγματεύεται με την πρόθεση του χρήστη γύρο με γύρο, αντί να διατηρεί ένα σταθερό συμβόλαιο.

Τι δεσμεύεται να κάνει στη συνέχεια το OpenAI με μια λειτουργία επιπέδου prompt

Επειδή η λειτουργία μελέτης είναι σήμερα ένα επίπεδο system οδηγιών, ο χάρτης πορείας που παραθέτει το OpenAI διαβάζεται ως μια λίστα πραγμάτων που τα prompts από μόνα τους δεν μπορούν να παραδώσουν αξιόπιστα: σαφέστερες οπτικοποιήσεις για έννοιες με πολύ κείμενο, καθορισμό στόχων και παρακολούθηση προόδου μεταξύ συνομιλιών, και βαθύτερη εξατομίκευση με βάση το επίπεδο δεξιοτήτων και τους στόχους. Η μνήμη μεταξύ συνομιλιών και η παρακολούθηση προόδου ειδικότερα απαιτούν υποδομή προϊόντος που ξεπερνά ένα prompt περσόνας.

Ο δηλωμένος τελικός στόχος είναι να εκπαιδευτούν αυτές οι συμπεριφορές "απευθείας στα κύρια μοντέλα μας," κάτι που θα μετακινούσε τη λειτουργία μελέτης από ένα εναλλάξιμο σύνολο οδηγιών προς μια μόνιμη δυνατότητα του βασικού μοντέλου. Αυτή η μετάβαση είναι το πραγματικό σήμα εδώ: το OpenAI χρησιμοποιεί μια εναλλαγή και ένα prompt ως ζωντανό πείραμα, του οποίου το αποτέλεσμα—επικυρωμένη παιδαγωγική συμπεριφορά—προορίζεται να γίνει δεδομένα εκπαίδευσης για την επόμενη γενιά μοντέλων. Το χαρακτηριστικό frontend είναι σκαλωσιά για μια αλλαγή μοντέλου, και το OpenAI μας λέει ότι σχεδιάζει να αφαιρέσει τη σκαλωσιά μόλις μάθει τι λειτουργεί.