AI-nyhederQwen 3.5 kan male billeder med JavaScript-kode
En forsker har lært AI-modellen Qwen 3.5 at male ved at skrive JavaScript-kode. Koden kan redigeres bagefter, så man kan ændre detaljer uden at starte forfra med en ny prompt.
Det nye trick
En forsker og hans ven Cameron har bygget et system, hvor AI-modellen Qwen 3.5 35B laver billeder ved at skrive p5.brush JavaScript-kode. Koden køres i en sandbox og bliver til et PNG-billede. Det særlige er, at koden kan redigeres bagefter, så man kan ændre detaljer uden at starte forfra med en ny prompt.
Problemet med belønning
Normalt bruger man belønning til at træne AI-modeller, men æstetik er svær at måle. Første forsøg med ni forskellige kriterier gav alle de samme resultater - modellen lavede bare klip-urt-blomster. Forskernes diagnose: De målte det samme fem gange, og ét kriterium fyldte en tredjedel uden at lære modellen noget.
Løsningen
De ændrede til sammenligningsdomme: I stedet for at score fra 0 til 10, skulle en dommer vælge mellem to billeder. De byggede også en pool med 117 håndudvalgte eksempler. Det nye system nåede tre gange hurtigere til samme niveau og derefter videre, og koden blev kortere og mere effektiv.
Hvad nu?
Næste skridt er at træne en lille belønningsmodel direkte på de håndbedømte billeder, rigtig RLHF. Så kan modellen selv vurdere kvalitet uden at sammenligne med poolen. Projektet åbner for at bruge samme metode på andre kreative opgaver, hvor der ikke findes et entydigt rigtigt svar.
- Systemet træner med fire-trins loop: prompt, kode, rendering, dom.
- Første rubric havde ni signaler, men de målte det samme fem gange.
- Sammenligningsdomme gav større variation end absolut scoring.
- 117 håndudvalgte eksempler blev brugt som referencepool.
- HPSv3 fik vægt 0,30, og parvis dommer fik 0,60 i ny rubric.
- Koden blev komprimeret fra 13.500 til under 2.000 tokens.
- Model-læring plateauede ved 0,65 reward med gammel rubric.
Du kan snart redigere AI-billeder direkte i koden i stedet for at skrive nye prompts - og få hurtigere træning, der giver mere detaljerede resultater.
Kilder:
Hacker News: AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.