LLM-ები გრუპთინკის ხაფანგში: როგორ ცდილობს ავსტრალიური სტარტაპი Springboards Flint-ით AI-ს დივერსიფიკაციას
MIT Technology Review-ის კვლევამ აჩვენა, რომ LLM-ები საგანგაშოდ მსგავს პასუხებს აწარმოებენ. ავსტრალიური სტარტაპი Springboards ქმნის Flint-ს — ალტერნატიულ მოდელს, რომელიც შეგნებულად უფრო მრავალფეროვან პასუხებს გენერირებს.
"ხელოვნური ჭკუის კოლექტივი" — NeurIPS-ის რჩეული
2025 წლის ნოემბერში გამოქვეყნდა ნაშრომი "Artificial Hivemind", რომელმაც NeurIPS-ზე საუკეთესო ნაშრომის ჯილდო მოიპოვა. მკვლევარებმა 25 სხვადასხვა LLM-ს 50-ჯერ სთხოვეს დროზე მეტაფორის დაწერა. 1,250 პასუხიდან უმრავლესობა იყო "დრო მდინარეა" ან "დრო მქსოველია".
რიცხვ 7-ის საიდუმლო
როცა LLM-ს სთხოვთ შემთხვევით რიცხვს 1-დან 10-მდე, პასუხი თითქმის ყოველთვის 7-ია. ეს გრუპთინკია — ყველა მოდელი ერთსა და იმავე პასუხებს ამრავლებს.
Springboards და Flint
ავსტრალიურმა სტარტაპმა Springboards შექმნა Flint — Qwen 3-ზე დაფუძნებული მოდელი, რომელიც სპეციალურად მრავალფეროვანი პასუხებისთვისაა გაწვრთნილი. "ჩვენ მივესალმებით ჰალუცინაციებს", — ამბობს Bingemann.
რატომ არის ეს მნიშვნელოვანი?
თუ ყველა LLM ერთსა და იმავე პასუხს გასცემს, AI კრეატიულობა შეზღუდულია. Flint გვთავაზობს ალტერნატივას — მრავალფეროვნება.