Nuova Ricerca sull'IA Propone Group Relative Policy Optimization per Raccomandazioni Coerenti dei Modelli Linguistici di Grandi Dimensioni

Un nuovo framework di apprendimento per rinforzo chiamato Group Relative Policy Optimization affronta il problema delle raccomandazioni incoerenti dei Modelli Linguistici di Grandi Dimensioni quando i prompt sono formulati diversamente ma hanno lo stesso significato. Questa incoerenza è particolarmente problematica in domini cruciali per le imprese come finanza, istruzione, sanità e assistenza clienti, dove gli utenti si aspettano output affidabili e stabili. Sebbene la personalizzazione abbia valore in alcuni contesti, molti scenari aziendali come l'onboarding delle risorse umane, la divulgazione delle politiche e l'assistenza clienti richiedono una consegna invariante delle informazioni indipendentemente dalla formulazione o dalla cronologia della conversazione. Gli approcci esistenti come la generazione aumentata dal recupero e la regolazione della temperatura possono migliorare la fattualità o ridurre la casualità, ma non garantiscono la stabilità attraverso prompt semanticamente equivalenti. La ricerca, documentata nel preprint arXiv 2512.12858v3, evidenzia come la variabilità nelle risposte dei Modelli Linguistici di Grandi Dimensioni mina la fiducia degli utenti, complica gli sforzi di conformità e interrompe l'esperienza utente. Il metodo proposto mira a garantire che i modelli linguistici forniscano raccomandazioni coerenti anche quando i prompt subiscono lievi riformulazioni.