این دستاورد مبتنی بر تکنیک "زنجیره فکری" است که به مدل‌ها امکان می‌دهد مسائل پیچیده را به مراحل ساده‌تر تقسیم کرده و به پاسخ‌های دقیق‌تری دست یابند. متا با استفاده از داده‌های کاملاً تولید شده توسط هوش مصنوعی، مدل ارزیابی‌کننده خود را آموزش داده است و به این ترتیب، نقش انسان در این فرآیند را به حداقل رسانده است.

محققان متا معتقدند که این فناوری گامی مهم به سوی توسعه عوامل هوش مصنوعی مستقل است؛ یعنی هوش مصنوعی‌هایی که قادر به یادگیری از اشتباهات خود و بهبود عملکردشان هستند. این عوامل در آینده می‌توانند به عنوان دستیارهای دیجیتالی قدرتمند عمل کرده و طیف وسیعی از وظایف را بدون نیاز به دخالت انسان انجام دهند.

مدل‌های خودآموز می‌توانند نیاز به فرآیند پرهزینه و زمان‌بر یادگیری تقویتی از بازخورد انسانی را کاهش دهند. در این روش، انسان‌ها باید داده‌ها را برچسب‌گذاری کرده و پاسخ‌های مدل‌ها را ارزیابی کنند که فرآیندی پیچیده و زمان‌بر است.

شرکت‌های دیگری مانند گوگل و آنتروپیک نیز در حال تحقیق بر روی مفهوم یادگیری تقویتی از بازخورد هوش مصنوعی هستند. با این حال، متا با انتشار عمومی مدل‌های خود، گامی جسورانه در این مسیر برداشته است.

علاوه بر ارزیابی‌کننده خودآموز، متا ابزارهای دیگری مانند به‌روزرسانی مدل شناسایی تصویر Segment Anything و مجموعه داده‌هایی برای کشف مواد معدنی جدید را نیز منتشر کرده است.

توسعه ارزیابی‌کننده خودآموز توسط متا، نشان‌دهنده پیشرفت چشمگیر در حوزه هوش مصنوعی است. این فناوری می‌تواند به طور قابل توجهی فرآیند توسعه هوش مصنوعی را تسریع کرده و به ما کمک کند تا به هوش مصنوعی‌های قدرتمندتر و مستقل‌تری دست یابیم.