Con l’aumento dell’uso dell’AI per compiti di scrittura come bozze di email e riassunti di documenti, una frustrazione comune persiste: l’output spesso suona troppo generico. Anche quando modelli come ChatGPT o Gemini ricevono istruzioni dettagliate, raramente riescono a catturare il tono o la voce individuale di un utente senza numerosi aggiustamenti manuali. Apple sta ora proponendo una soluzione.
Proe: una nuova tecnica per personalizzare la scrittura
In un nuovo documento di ricerca, che sarà presentato alla International Conference on Machine Learning (ICML 2025) il mese prossimo, i ricercatori di Apple presentano PROSE, una tecnica progettata per aiutare i modelli di linguaggio di grandi dimensioni a inferire e adottare meglio le preferenze di scrittura uniche di un utente, apprendendo direttamente dai loro campioni di scrittura passati.
L’idea centrale dietro PROSE (Preference Reasoning by Observing and Synthesizing Examples) è di andare oltre le tecniche di allineamento tipiche di oggi, come l’ingegneria dei prompt o l’apprendimento per rinforzo dal feedback umano. Invece, l’AI costruisce un profilo interno e interpretabile dello stile di scrittura effettivo dell’utente.
Come funziona Proe
Piuttosto che richiedere all’utente di fornire manualmente guide di stile o modificare innumerevoli bozze AI, PROSE funziona in due fasi:
Raffinamento iterativo: L’AI confronta ripetutamente le sue risposte generate con esempi reali dell’utente, regolando la sua “descrizione delle preferenze” interna fino a produrre qualcosa che corrisponda strettamente allo stile di scrittura dell’utente.
Verifica della coerenza: Per evitare di fissarsi su un solo esempio, che potrebbe non essere rappresentativo dello stile di scrittura complessivo dell’utente, l’AI verifica che qualsiasi preferenza inferita (ad esempio, “usa frasi brevi” o “inizia con una battuta”) sia valida su più campioni di scrittura.
Il futuro della personalizzazione della scrittura
In sostanza, PROSE costruisce un profilo di stile auto-evolutivo, lo testa su più esempi dell’utente e lo utilizza come base per le generazioni future. Sebbene il documento non menzioni prodotti o servizi Apple per nome, il collegamento è evidente. Mentre Apple si spinge più a fondo nelle funzionalità di assistente personalizzato, tecniche come PROSE potrebbero svolgere un ruolo importante nel far sì che Apple Intelligence scriva testi che sembrino più simili a ciascun utente individuale.
Con Apple che ora consente agli sviluppatori di accedere direttamente ai suoi modelli locali attraverso il nuovo framework Foundation Models, non è difficile immaginare un futuro in cui qualsiasi app possa sfruttare un assistente di scrittura profondamente personalizzato a livello di sistema per potenziare i propri strumenti di scrittura.
Il dataset Plume e il confronto con altri metodi
Nello studio, Apple introduce anche un nuovo dataset di riferimento chiamato PLUME (Preference Learning from User Emails and Memos) per valutare tecniche di allineamento dello stile di scrittura come PROSE. Questo sostituisce un dataset precedente (PRELUDE) e mira a risolvere problemi comuni con i test di personalizzazione degli LLM, come definizioni di preferenze superficiali o compiti non rappresentativi.
Utilizzando PLUME, i ricercatori hanno confrontato PROSE con approcci precedenti, come un altro metodo di apprendimento delle preferenze chiamato CIPHER e l’apprendimento standard in contesto (ICL).
Fonte: 9to5Mac
