Este artigo investiga a discrepância no desempenho da personalização de LLMs entre dados sintéticos e humanos. Ele revela que dados humanos expõem limitações significativas do sistema na extração de atributos, relevância de atributos e geração de respostas verdadeiramente personalizadas.
Este trabalho apresenta uma estrutura para o desenvolvimento de Modelos de Linguagem Grandes Centrados no Humano (HCLLMs), integrando perspectivas de PNL, IHC e IA responsável. Ele defende a priorização rigorosa das preocupações, preferências e valores humanos em todas as etapas do desenvolvimento de LLMs, em vez de apenas como uma consideração pós-treinamento.
O autor reflete sobre a transição de uma abordagem reativa de monitoramento para uma gestão mais observadora e alinhada com os ritmos da casa no Forte Siuntio. Ele aprendeu que a verdadeira presença e a compreensão da história dos dados superam o processamento constante.