Как обучить вкусу
Training Taste — Thais Castello Branco, Taste Labs
AI slop в дизайне можно измерить небольшими классификаторами по признакам сайта, а исправлять его стоит уже на этапе инференса, а не только улучшением модели.
- Три признака slop — повтор, несоответствие контексту и низкое намерение пользователя; по словам спикера, именно эти признаки можно разложить на измеримые части.
- Классификаторы по сайтам — команда проанализировала более 2 миллионов сайтов за последние десять лет и выделила признаки по цветам, типографике, верстке и аудитории. По словам автора, комбинации таких маленьких классификаторов предсказывают slop точнее LLM-as-a-judge.
- Контролируемое отклонение от нормы — вместо случайности через параметр temperature система задаёт правила категории, например структуру презентации стартапа, и подсказывает агенту, какие из них нарушить осознанно.
- Brand API — превращает URL бренда в структурированные компоненты, которым следует агент и по которым можно проверять результат. Продукт на бета-тестировании; на примере General Intelligence Company of New York, по словам спикера, слайды стали заметно точнее к оригинальному бренду.
Кому полезно: тем, кто генерирует интерфейсы или презентации через модели и хочет проверять результат по бренду. Большая часть доклада — презентация продуктов Taste Labs.
Статья по теме
Главы
Ещё доклады: Thais Castello Branco
Страница спикера →Как покончить с низкокачественным ИИ-контентом
AI Engineer World's Fair 2026
Похожие доклады
Обучение Krea 2: что важно при обучении генеративных моделей
AI Engineer World's Fair 2026
Близко по содержанию
Как масштабировать evals: за пределами accuracy и similarity
AI Engineer World's Fair 2025
Близко по содержанию
Горькая компоновка, или Как я полюбил выбор модели
AI Engineer World's Fair 2025
Близко по содержанию

