في سعيها لفهم كيف يمكن للذكاء الاصطناعي (AI) أن يتفاعل بجودة مع الفكاهة، أجرت دراسة جديدة تحليلاً عميقاً حول المكافآت الآلية المستخدمة لتدريب نماذج اللغة (Language Models) في هذا السياق الفريد. كان الهدف الأساسي من هذه الدراسة هو تطوير وسائل قادرة على قياس المفاجأة المفهومة وسرور الجمهور بطريقة فعالة.

أظهرت الاختبارات المنضبطة أن المكافأة المعتمدة على المفاجأة كانت تتقبل الردود المعاد ترتيب كلماتها بشكل متساوٍ كما تقبل الردود الذكية. لكن على الرغم من نجاح فلتر الطلاقة في الكشف عن الردود المشتتة، إلا أن المكافأة المشتركة أيضاً كانت ترفض بعض الردود الذكية، مما أدى إلى فشل في بعض حالات التقييم الإضافية.

إضافةً إلى ذلك، يتضح أن النموذج التنبؤي لضحك الجمهور كان عرضة للإشارات المتعلقة بالضحك في رسائل المتحدثين. وقد عالج الباحثون هذه المشكلة من خلال تطبيع هذه الإشارات بين المتحدثين، مما ساعد على منع الهجمات المغطاة، في حين أن بعض التعابير غير المتطابقة بقيت قابلة للاستغلال.

عبر ثلاثة تجارب لتعزيز التعلم، تم تقييم عملية التدريب مع تحسينات متتالية على المكافآت. وأظهرت التجربة الأخيرة تحسناً في نتيجة التقييم المشترك بمعدل 0.0903، وتخفيض جلسات الصفر بنسبة 40%، رغم أن التحسينات الخاصة بالفكاهة ظلت أقل من الهدف المحدد مسبقًا.

توضح هذه النتائج تحدياً أوسع في تصميم المكافآت الآلية: يجب على الإجراءات المضادة أن تمنع الاختصارات القابلة للاستغلال مع الحفاظ على السلوك الذي كانت تهدف المكافآت إلى تشجيعه.