Every: testiranje Deft-a, modela napravljenog da popravi AI pisanje
O čemu je tekst
Autorka Every Katie Parrott recenzirala je DFT v1 — prvi javni model od Deft-a, pisačke AI laboratorije koju su zajedno osnovali Justin Murphy, bivši profesor političkih nauka i pisac, i AI istraživač poznat kao Rosmine. Tekst je prošireni test kroz više zadataka pisanja i načina isporuke, postavljajući pitanje da li ključni tehnički pristup Deft-a zaista proizvodi bolju prozu.
Kontekst
Deft-ov tehnički metod zove se distribution fine-tuning (DFT). Umesto evaluacije izlaza modela jedan po jedan, proces post-treninga poredi serije izlaza modela sa serijama uzoraka ljudskog pisanja i prilagođava ih prema većoj lingvističkoj raznolikosti. Cilj je smanjiti repetitivne strukture rečenica, fraze za ograđivanje i predvidive retoričke obrasce koji čine AI tekst prepoznatljivim čitaocima upoznatim sa AI izlazom. Parrott je testirala model putem veb konzole, kroz API integraciju sa pisačkom platformom Codex, u formatima analitičkih eseja i SEO članaka.
Ključalni nalazi
DFT v1 zaista proizvodi manje predvidljivu prozu od mainstream AI alata za pisanje. Sintaksička raznolikost je veća, a pisanje izbegava neke od prepoznatljivijih AI stereotipa. Parrott ga je poredila sa GPT-5.6 Sol i otkrila da izlaz deluje manje šablonski.
Slabosti su značajne. Izlazi su često bili gusti i nejasni, sa nespretnim konstrukcijama i lošim redosledom informacija. Čak i u strogom režimu, model je fabrikovao nepotkrepljene detalje — što potkopava osnovni slučaj upotrebe za analitičko pisanje. API integracija se pokazala nepouzdanom, ponekad vraćajući delimične nacrte ili uputstva umesto sadržaja. Parrotin zaključak je da raznolikost sama po sebi ne može da popravi ono što nije u redu sa AI pisanjem. Model može da proizvodi rečenice koje se ne podudaraju sa AI obrascem, a istovremeno da podbaci u radu sa hijerarhijom informacija, angažovanjem čitalaca i osnovnom faktičkom tačnošću.
Ko treba da pročita
Autori i urednici koji procenjuju novije AI alate za pisanje, posebno oni koji su pronašli mainstream modele previše šablonskim. Korisno i svima koji su zainteresovani za tehničke pristupe koje istraživači koriste da bi AI prozu učinili manje prepoznatljivom — metod distribution fine-tuning vredi razumeti, čak i ako su trenutni rezultati DFT v1 mešoviti.