يقترح الباحثون إطار عمل جديدًا يُدعى Reinforcement Learning for Selection Reward (RLSR)، يقوم بمواءمة النماذج اللغوية الكبيرة أثناء مرحلة ما بعد التدريب لتحسين أداء التنبؤ الانتقائي. على عكس الطرق الحالية التي تركز على الدقة أو المعايرة، يستهدف RLSR المساحة تحت منحنى الخطر-التغطية (AURC) كهدف للمواءمة.
- تتيح هذه الطريقة للنماذج اللغوية الكبيرة (LLMs) التنبؤ فقط للإدخالات التي تكون فيها صحيحة على الأرجح، مما يقلل من معدلات الخطأ ويحدد الحالات غير المؤكدة لمراجعة بشرية.
- يحقق RLSR مقايضة خطر-تغطية أفضل بكثير مقارنة بعدة أسس للمواءمة في كل من المهام داخل المجال (in-domain) وخارج المجال (out-of-domain).
يعزز هذا النهج موثوقية النماذج اللغوية الكبيرة من خلال موازنة مقايضة الخطر-التغطية وتمكين التعاون السلس بين الإنسان والذكاء الاصطناعي في أنظمة اتخاذ القرار عالية المخاطر.