في عالم الذكاء الاصطناعي، يتمثل التحدي في كيفية تحسين نماذج اللغة الكبيرة (LLMs) لمهام الكتابة والتقييم بشكل فعّال. تصدرت DecoEvo المشهد بإطلاق تقنيتها الجديدة تحت مسمى Decoupled Co-Evolution، والتي تعيد تشكيل طريقة تدريب نماذج الذكاء الاصطناعي معناها.

تقنية تحسين النصوص التي تقدمها DecoEvo تعتمد على تعديل العناصر اللغوية الطبيعية بدلاً من ضبط أوزان النموذج، مما يسمح للنماذج بالتفاعل كصندوق أسود يمكن فحصه. والفكرة المركزية هنا هي أن الطرق التقليدية في تحسين النصوص غالبًا ما تكون مقيدة، حيث تبقي معايير التقييم ثابتة، مما قد يؤدي لعوائق في التحسين خصوصًا في المهام المفتوحة التي تتطلب مرونة وإبداعًا.

تعمل DecoEvo على التغلب على هذه العقبة من خلال نموذج تعمل فيه مهارة الحلّ (solver skill) ومهارة توليد التقييم (rubric-generator skill) بشكل متزامن ولكن تحت أهداف منفصلة. بدلاً من الاعتماد على معايير ثابتة مسبقًا، تقدم DecoEvo طريقة تعتمد على تغذية راجعة دقيقة لمستويات المعايير وتدقيق مستقل، مما يعزز من كفاءة النماذج في التعرف على نقاط ضعفها الخاصة وتوجيه جهود التحسين نحوها.

وفقًا لتجاربها، تفوقت DecoEvo على جميع الأساليب المقارنة عبر خمسة معايير مختلفة، محققةً تحسينات تتراوح بين 2.8% إلى 5.0% في المتوسط بالاعتماد على نماذج LLM المختلفة. إن هذا التطور يحمل آفاقًا جديدة لنموذج الذكاء الاصطناعي ويساهم في تطوير تقنيات الكتابة وتحسينها.