Yapay zeka, örnekleri sadece kopyalamak yerine, neyi optimize edeceğini öğrenir mi? Denetimli ince ayar (SFT), modelin uzman cevaplarını taklit etmesiyle eğitir. Yeni bir makale, PARED adlı bir uyum yöntemi tanıtır; bu yöntem, aynı gösterimlerden yeniden kullanılabilir bir ödül çıkarmayı amaçlar. PARED, uzman cevaplarını seçilen özellikler açısından modelin kendi yanıtlarıyla karşılaştırır: yardımcı olma, zarar vermemek ve konu gibi. Bu farklılıkları kullanarak açık bir ödül öğrenir ve bu ödül, SFT sonrası ek güçlendirme öğrenimini yönlendirir. 4.000 GPT-5.1 tarafından oluşturulan gösterim kullanılarak, PARED ile eğitilen modellerin yanıtları, iki farklı ödül güncelleme yaklaşımında, Gemini 2.5 Flash tarafından değerlendirildiğinde, ilgili olmayan karşılaştırmalarda sırasıyla %86,2 ve %88,4 oranında orijinal SFT kontrol noktasının yanıtlarından tercih edildi. Gösterimler, sadece taklit için değil, aynı zamanda SFT sonrası modelin öğrenmeye devam edeceği bir amaç tanımlamak için de faydalı olabilir.