Mientras que cada vez más usuarios comienzan a confiar en la IA para escribir tareas como borradores por correo electrónico y documentos de documentos, permanece frustración común: la salida a menudo suena camino Demasiado genérico. Incluso cuando modelos como ChatGPT o Gemini reciben indicaciones detalladas, rara vez clavan el tono o la voz individual de un usuario sin mucho Refinación manual. Apple ahora ofrece una solución.
En un nuevo documento de investigación (Alinee LLM prediciendo preferencias para las muestras de escritura de usuarios) Presentado en la Conferencia Internacional sobre Aprendizaje Automático (ICML 2025) mes próximoLos investigadores de Apple presentan Prose, una técnica diseñada para ayudar a los modelos de lenguaje grande a deducir y adoptar mejor las preferencias de escritura únicas de un usuario aprendiendo directamente de sus muestras de escritura anteriores.
¿Cómo funciona la prosa?
La idea central detrás de la prosa (PAGreferencia RiñonalFacilitando por OBerging y SYnthesinging miXAMP) debe ir más allá de las técnicas de alineación de hoy, como la ingeniería rápida o el aprendizaje para fortalecer la retroalimentación humana. En cambio, AI construye un perfil interno e interpretable del estilo de escritura real del usuario.
En lugar de obligar al usuario a proporcionar manualmente guías de estilo o modificar innumerables proyectos de IA, la prosa funciona en dos pasos:
- Refinamiento iterativo: La IA compara repetidamente sus propias respuestas generadas con ejemplos reales del usuario, ajustando su «descripción de preferencias» interna hasta que publique algo que corresponde estrechamente a la escritura del usuario.
- Verificación de consistencia: Para evitar arreglar un solo ejemplo, que puede no ser representativo del estilo de escritura global del usuario, las verificaciones dobles de la IA que cualquier preferencia menor (por ejemplo, «use oraciones cortas» o «comienza con una broma») es cierto en varias muestras de escritura.
Básicamente, la prosa construye un perfil de estilo autónomo, lo prueba con varios ejemplos de usuarios y lo utiliza como referencia para las generaciones futuras.
Por qué esto cuenta para la inteligencia de Apple
Aunque el periódico no menciona los productos o servicios de Apple por nombre, la conexión es obvia. Si bien Apple empuja más profundamente en las características de asistente más personalizadas, técnicas como la prosa podrían desempeñar un papel importante en la creación de textos de inteligencia de Apple que se parecen más a cada usuario individual.
Y con Apple ahora permitiendo a los desarrolladores dibujar directamente de sus modelos locales a través del marco de los modelos de cimientos recientemente anunciados, no es difícil imaginar un futuro en el que una aplicación pueda aprovechar un asistente de escritura profundamente personalizado en una escala de sistema para alimentar sus propias herramientas de escritura.
También hay una nueva referencia
En el estudio, Apple también presenta un nuevo conjunto de datos de referencia llamado Feather (PAGreferencia Lganar User micorreos electrónicos y A míMOS) para evaluar técnicas de alineación de estilo de escritura como la prosa.
Esto reemplaza un conjunto de datos anterior (preludio) y tiene como objetivo resolver problemas comunes con las pruebas de personalización de LLM, como las tareas de defensa -en la ley o no representativas.
Usando el penacho, los investigadores compararon la prosa con los enfoques anteriores, como otro método de preferencias de aprendizaje llamado cifrado (lo sé. Mucho Nombres y acrónimos) y técnicas de aprendizaje en contexto estándar (ICL).
El resultado? La prosa ha superado a la cifra del 33% en las mediciones clave e incluso ha superado a ICL cuando está asociado con modelos de alta gama como GPT-4O.
Curiosamente, el documento también sugiere que la combinación de prosa con ICL ofrece lo mejor de ambos mundos, con una mejora de hasta un 9% en comparación con la ICL sola.
La tendencia más grande: la IA que te adapta y te trae de vuelta
El proyecto PROSE es parte de una tendencia de investigación de IA más amplia: hacer asistentes no solo más inteligentes, sino más personales. Ya sea a través del ajuste de dispositivo fino, el modelado de preferencias o las indicaciones de contexto, la carrera está en marcha para llenar el vacío entre la salida genérica LLM y la voz única de cada usuario.
Por supuesto, la personalización real también se entrega con enormes incentivos comerciales, porque también abre la tierra para el bloqueo final de la plataforma. Pero es un tema para otro día.
FTC: utilizamos enlaces de afiliación de ingresos automáticos. Más.
