Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

NSF CAREER-díjat kapott a CMU kutatója az ember és az AI kapcsolatáról

2026. szeptember 2.Forrás: CMU School of Computer Science

NSF CAREER-díjat kapott Daniel Fried, a Carnegie Mellon Egyetem Language Technologies Institute-jának adjunktusa. Kutatása azt vizsgálja, hogyan adhatnak a felhasználók hatékonyabb visszajelzést az összetett feladatokat végző AI-rendszereknek.

A lényeg röviden
  • Daniel Fried NSF CAREER-díjat kapott az ember és az AI közötti kommunikáció kutatásáért.
  • Módszereket fejlesztene az AI-ügynököknek adott felhasználói visszajelzés javítására.
  • A kutatás az eredmény minősége mellett a felhasználói erőfeszítést is méri.
  • Fried a Carnegie Mellon Egyetem Language Technologies Institute-jának adjunktusa.
  • Az LTI-ből korábban LP Morency és Noah Smith is NSF CAREER-díjat kapott.

A korai pályaszakasz egyik fontos elismerése

A díjat a National Science Foundation, vagyis az amerikai Nemzeti Tudományos Alapítvány ítélte oda Friednek. Az NSF CAREER programja az alapítvány szerint olyan pályájuk elején járó oktatókat ismer el, akikben megvan a lehetőség arra, hogy akadémiai példaképpé váljanak, és előmozdítsák tanszékük vagy szervezetük küldetését.

A Carnegie Mellon Egyetem School of Computer Science által közzétett, augusztus 28-i beszámoló szerint Fried a Language Technologies Institute adjunktusa. A kutató az ember és a mesterséges intelligencia közötti interakció, valamint kommunikáció fejlesztésén dolgozik.

A visszajelzés terhét csökkentené

Fried kutatása abból a problémából indul ki, hogy az AI-ügynökök egyre összetettebb feladatokat végeznek. Ilyen lehet teljes szoftveralkalmazások megírása, adatok elemzése vagy a weben történő navigáció. Ha azonban az ügynök hibázik, a felhasználónak részletes és árnyalt javítást kell adnia.

„Az AI-ügynökök ma már nagyon összetett feladatokban segítenek, például teljes szoftveralkalmazások megírásában, adatok elemzésében vagy a weben való navigációban. Az ügynököknek adott javítások közlése azonban jelentős időt és erőfeszítést igényelhet az emberektől”, mondta Fried.

A kutató olyan módszereket szeretne kidolgozni, amelyekkel a felhasználói visszajelzés elég alapos ahhoz, hogy átfogóan megmutassa az ügynöknek, mit kell kijavítania, miközben nem ró túl nagy terhet a felhasználóra. A cél az, hogy az emberek ne érezzék úgy, egyszerűbb lett volna maguk elvégezniük a feladatot.

A teljesítmény mellett az emberi erőfeszítést is mérik

Fried és csapata az ügynökök sikerességét két szempont alapján vizsgálja. Mérik, mennyire elégedettek a tesztelők az ügynök által készített eredménnyel, és azt is, mekkora erőfeszítést kellett a felhasználóknak tenniük az eredmény eléréséhez.

Fried szerint ennek az lehet a hozadéka, hogy az emberek több időt nyernek azokra a tevékenységekre, amelyeket valóban szeretnének végezni. „A társadalom most óriási számú munkaórát tölt AI-ügynökökkel való interakcióval. Azt szeretném, hogy a közös interakciós erőfeszítésünk többre jusson, így mindannyian több időt tölthetünk más dolgokkal”, mondta.

Két másik LTI-oktató is részesült az elismerésben

Fried az NSF-nek, kollégáinak és hallgatóinak is köszönetet mondott. Külön kiemelte Zora Wang munkáját az ügynökök újra felhasználható készségeinek kialakításán, valamint Saujas Vaduguru kutatását a pragmatikus programszintézis és a többmodalitású utasítások területén.

Fried az LTI azon oktatói közé került, akik NSF CAREER-díjat kaptak. A beszámoló szerint korábban LP Morency és Noah Smith is részesült ebben az elismerésben az intézetből. A díj a felhasználói visszajelzések kérdését állítja a kutatás középpontjába, ahol az AI-rendszer eredménye mellett az eléréséhez szükséges emberi munka mennyisége is fontos szempont.

Forrás
CMU School of Computer Science: Fried Receives NSF CAREER Award

Kapcsolódó hírek

A CoreWeave bemutatta az ARIA kutatási és iterációs ügynököt
Termékek és eszközök2026. október 2.

A CoreWeave bemutatta az ARIA kutatási és iterációs ügynököt

Általánosan elérhetővé vált a CoreWeave ARIA, egy kutatási és iterációs AI-ügynök, amely a CoreWeave Forge részeként segít modellek és AI-ügynökök fejlesztésében. Az…

A CoreWeave ARIA önállóan tervezi és indítja a következő MI-kísérletet
Fejlesztőknek2026. október 2.

A CoreWeave ARIA önállóan tervezi és indítja a következő MI-kísérletet

A CoreWeave bemutatta az ARIA nevű kódoló ügynököt, amely közvetlenül a Weights & Biases platformba épül be. Az eszköz a kísérleti eredmények elemzésétől a…

Az Apple kutatása szerint a kevesebb gépezet többet érhet az AI-ügynököknél
Kutatás2026. október 1.

Az Apple kutatása szerint a kevesebb gépezet többet érhet az AI-ügynököknél

Az összetett, több ügynököt és külön keresőmodulokat használó gépi tanulási mérnöki rendszerek nem bizonyultak jobbnak egy egyszerű kódoló ügynöknél azonos időkeret és…