GOPO

**GOPO הוא אלגוריתם יישור חדש למודלי שפה גדולים, שמחליף אופטימיזציה מבוססת KL בהקרנה במרחב הילברט ומבטיח גרדיאנטים יציבים יותר.** לפי המאמר ב-arXiv, הגישה כוללת מנגנון שמסוגל לאפס הסתברות לפעולות קטסטרופליות, במקום רק להחליש אותן. עבור עסקים בישראל, הערך אינו באקדמיה עצמה אלא במה שהיא עשויה לייצר בתוך 12–18 חודשים: מודלים יציבים יותר לסוכני שירות, מיון לידים ועבודה מול CRM. ההמלצה הפרקטית היא לבנות שכבת בקרה סביב המודל באמצעות WhatsApp Business API, ‏Zoho CRM ו-N8N, ולא להסתמך על איכות המודל בלבד.

**GOPO היא מסגרת RL היררכית לשיפור שיחות AI ממוקדות משימה על ידי הפרדה בין תכנון אסטרטגיה לתגובות.** במבחן Mgshop, שיפור 7.7% ב-TSE. לעסקים ישראליים, זה אומר בוטי וואטסאפ יעילים יותר בסגירת מכירות, עם חיסכון 10 שעות שבועיות.

בעידן שבו מודלי שפה גדולים זקוקים לאימון מדויק, חוקרים מציגים את GOPO – שיטה המשתמשת בדירוג תגמולים בלבד ומשפרת ביצועים ב-RLHF. קראו עכשיו על היתרונות על פני GRPO.