答えではなく問題に着目する

多くのデータセットは答えや解決策、明確なラベルなど、最終的な出力に最適化されている。しかし人間の知性は答えの前の段階、つまり問題の定義や曖昧な質問、フォローアップなどにも存在する。著者は、この初期段階の思考プロセスをモデルに学習させると、ユーザーの意図を明確化したり、適切な後続質問を生成したりするなど、より柔軟で頑健なモデルが得られることを示した。従来の答え中心のデータセットでは、最も重要な部分である問題理解の学習が十分ではないかもしれない。