UniCreative: RL-Modell vereint Langform-Kohärenz und Kurzform-Expressivität

Die Kunst des Schreibens steht vor einer großen Herausforderung: Wie lässt sich die globale Kohärenz langer Erzählungen mit der spontanen Ausdruckskraft kurzer Texte verbinden? Traditionelle Ansätze setzen auf feste Belohnungsfunktionen und benötigen umfangreiche, kostenintensive Trainingsdaten.

UniCreative löst dieses Problem mit einem völlig neuen, referenzfreien Reinforcement‑Learning‑Framework. Zunächst wird AC‑GenRM vorgestellt, ein adaptives, regelbewusstes Belohnungsmodell, das für jede Anfrage individuelle Kriterien generiert und damit präzise Präferenzbewertungen liefert.

Auf Basis dieser Signale folgt ACPO, ein Policy‑Optimierungsalgorithmus, der Modelle ohne überwachtes Feintuning und ohne Ground‑Truth‑Referenzen an menschliche Vorlieben anpasst. Die Ergebnisse zeigen, dass AC‑GenRM die Einschätzungen von Experten fast exakt widerspiegelt und ACPO die Leistung in einer Vielzahl von Schreibaufgaben deutlich steigert.

Besonders bemerkenswert ist, dass das Modell eine meta‑kognitive Fähigkeit entwickelt: Es erkennt eigenständig, wann ein Text strenge Planung erfordert und wann direkte Generierung bevorzugt wird. Damit demonstriert UniCreative die Wirksamkeit eines direkten, referenzfreien Alignments in der kreativen Textproduktion.