ಔಟ್ಪುಟ್ ಪರಿಶೀಲನೆ ಮತ್ತು ಮಾನವ ತಪಾಸಣೆ

ಲಾಭಗಳು:

• ಸ್ಕೀಮಾ ಮತ್ತು ನಿಯಮ-ಆಧಾರಿತ ಔಟ್‌ಪುಟ್ ಮೌಲ್ಯೀಕರಣ ಲೇಯರ್‌ಗಳನ್ನು ಸ್ಥಾಪಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ನಿರ್ಧಾರಗಳಲ್ಲಿ ಮಾನವ-ಇನ್-ಲೂಪ್ ಅನ್ನು ಅರ್ಥಪೂರ್ಣವಾಗಿ ಅಗತ್ಯವಿರುವ ಸಾಮರ್ಥ್ಯ
• ಎರಡನೇ ಮಾದರಿಯೊಂದಿಗೆ ಪರಿಶೀಲನೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಮಿತಿ ಆಧಾರಿತ ರೂಟಿಂಗ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ

ಒಂದು ಭಾಷಾ ಮಾದರಿಯು ದ್ರವ, ಮನವೊಲಿಸುವ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ನಿಖರತೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ - ಆದರೆ "ಮನವೊಲಿಸುವ" "ಸರಿಯಾದ" ಒಂದೇ ಅಲ್ಲ. ಮಾದರಿಯು ಮೊತ್ತ, ದಿನಾಂಕ ಅಥವಾ JSON ಕ್ಷೇತ್ರಕ್ಕೆ ಮೌನವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ; ಇದನ್ನು ಭ್ರಮೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ (ಮಾದರಿಯು ವಾಸ್ತವದಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ವಾಸದಿಂದ ಉತ್ಪಾದಿಸುತ್ತದೆ). ಎಂಟರ್‌ಪ್ರೈಸ್ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಆ ಔಟ್‌ಪುಟ್ ಮುಂದಿನ ಹಂತಕ್ಕೆ ಹರಿಯುತ್ತಿದ್ದರೆ - ಪಾವತಿ, ಇಮೇಲ್, ಡೇಟಾಬೇಸ್ ಬರಹ - ದೋಷವು ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ಚೆಲ್ಲುತ್ತದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಸಿಸ್ಟಮ್‌ಗೆ ಪ್ರವೇಶಿಸುವ ಮೊದಲು ಪರಿಶೀಲನೆ ಲೇಯರ್‌ಗಳೊಂದಿಗೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಲು ನಾವು ಕಲಿಯುತ್ತೇವೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ನಿರ್ಧಾರಗಳಲ್ಲಿ ಮಾನವ-ಇನ್-ಲೂಪ್ ಅಗತ್ಯವಿರುತ್ತದೆ.

ಔಟ್ಪುಟ್ ಮೌಲ್ಯೀಕರಣ ಏಕೆ ಅಗತ್ಯವಿದೆ?

ಮಾದರಿಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಎರಡು ಪ್ರಾಥಮಿಕ ರೀತಿಯಲ್ಲಿ ದೋಷಪೂರಿತಗೊಳಿಸಬಹುದು: ಫಾರ್ಮ್ಯಾಟ್ (ನಿರೀಕ್ಷಿತ JSON ಸ್ಕೀಮಾಗೆ ಅನುಗುಣವಾಗಿಲ್ಲ, ಕ್ಷೇತ್ರವು ಕಾಣೆಯಾಗಿದೆ/ಹೆಚ್ಚುವರಿಯಾಗಿದೆ) ಮತ್ತು ವಿಷಯ (ಸ್ವರೂಪವು ಸರಿಯಾಗಿದೆ ಆದರೆ ಮೌಲ್ಯವು ತಪ್ಪಾಗಿದೆ - ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಉತ್ಪನ್ನ ಕೋಡ್, ತರ್ಕಬದ್ಧವಲ್ಲದ ದಿನಾಂಕ). ಭದ್ರತೆಯ ವಿಷಯದಲ್ಲಿ ಮೂರನೇ ಆಯಾಮವಿದೆ: ದುರುದ್ದೇಶಪೂರಿತ ಔಟ್ಪುಟ್ (ಇಂಜೆಕ್ಷನ್ ಅಥವಾ ಸೋರಿಕೆಯ ಪರಿಣಾಮವಾಗಿ ಉತ್ಪತ್ತಿಯಾಗುವ ದುರುದ್ದೇಶಪೂರಿತ ಆಜ್ಞೆ). ಒಂದು ಘನ ವ್ಯವಸ್ಥೆಯು ಮೂರನ್ನೂ ಬಾಗಿಲಲ್ಲಿ ನಿಲ್ಲಿಸುತ್ತದೆ.

ಎಚ್ಚರಿಕೆ: "ಮಾದರಿ ಸಾಮಾನ್ಯವಾಗಿ ನಿಖರ" ಉತ್ಪಾದನಾ ಮಾನದಂಡವಲ್ಲ. ಪರಿಶೀಲನೆಯಿಲ್ಲದ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ಸಾವಿರದಲ್ಲಿ ಒಂದು ದೋಷವು ದಿನಕ್ಕೆ 100,000 ವಿನಂತಿಗಳಲ್ಲಿ ದಿನಕ್ಕೆ 100 ತಪ್ಪಾದ ವಹಿವಾಟುಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ.

ದೃಢೀಕರಣದ ಪದರಗಳು: ಹಂತ ಹಂತವಾಗಿ

1. ಸ್ಕೀಮಾ ಮೌಲ್ಯೀಕರಣ. ಔಟ್‌ಪುಟ್ ನಿರೀಕ್ಷಿತ ರಚನೆಗೆ ಅನುಗುಣವಾಗಿದೆಯೇ ಎಂದು ಯಂತ್ರದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ: ಕ್ಷೇತ್ರಗಳು ಇವೆಯೇ, ಅವುಗಳ ಪ್ರಕಾರಗಳು ಸರಿಯಾಗಿವೆಯೇ, ಅಗತ್ಯವಿರುವ ಕ್ಷೇತ್ರಗಳು ತುಂಬಿವೆಯೇ?
2. ನಿಯಮ/ವ್ಯಾಪಾರ ತರ್ಕ ಮೌಲ್ಯೀಕರಣ. ಮೌಲ್ಯಗಳು ವ್ಯಾಪಾರ ನಿಯಮಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತವೆಯೇ? (ಮೊತ್ತ > 0, ದಿನಾಂಕವು ಭವಿಷ್ಯದಲ್ಲಿಲ್ಲ, ಉತ್ಪನ್ನ ಕೋಡ್ ಕ್ಯಾಟಲಾಗ್‌ಗೆ ಸೇರಿದೆ.)
3. ಉಲ್ಲೇಖ/ಮೂಲ ನಿಯಂತ್ರಣ. ಮಾದರಿಯು ಸಮರ್ಥನೆಯನ್ನು ಉಂಟುಮಾಡಿದರೆ, ಅದನ್ನು ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಮಾಡಬಹುದೇ? (ಆರ್‌ಎಜಿ ಉಲ್ಲೇಖವು ಡಾಕ್ಯುಮೆಂಟ್‌ನಲ್ಲಿದೆಯೇ?)
4. ಎರಡನೇ ಮಾದರಿಯೊಂದಿಗೆ ಮೌಲ್ಯೀಕರಿಸುವಿಕೆ (LLM-ಆಸ್-ಜಡ್ಜ್). ಸ್ವತಂತ್ರ ಮಾದರಿಯು ಔಟ್‌ಪುಟ್ ಅನ್ನು "ಸರಿಯಾದ/ಅಪೂರ್ಣ/ಅಪಾಯಕಾರಿ" ಎಂದು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ.
5. ನಂಬಿಕೆಯ ಮಿತಿ ಮತ್ತು ದೃಷ್ಟಿಕೋನ. ಮಾದರಿ ಅಥವಾ ವ್ಯಾಲಿಡೇಟರ್ ಕಡಿಮೆ ವಿಶ್ವಾಸವನ್ನು ವರದಿ ಮಾಡಿದರೆ, ಔಟ್ಪುಟ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹಾದುಹೋಗುವುದಿಲ್ಲ; ಮಾನವರಿಗೆ ನಿರ್ದೇಶಿಸಲಾಗಿದೆ.
6. ಮಾನವ ನಿಯಂತ್ರಣ. ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯ ಅಥವಾ ಕಡಿಮೆ-ಸುರಕ್ಷಿತ ಫಲಿತಾಂಶವು ತಜ್ಞರ ಅನುಮೋದನೆಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.

ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

ಯೋಜನೆ + "ನಿಮಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ ಅದನ್ನು ಮಾಡಿ" ಒಟ್ಟಿಗೆ:

ಕೆಳಗಿನ JSON ಸ್ಕೀಮಾದಲ್ಲಿ ಮಾತ್ರ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಹಿಂತಿರುಗಿ: "ಕಡಿಮೆ" ಎಂದು ಬರೆಯಿರಿ. ಅಂದಾಜನ್ನು ನಿಖರವಾಗಿ ಬರೆಯಬೇಡಿ.

ಎರಡನೇ ಮಾದರಿಯೊಂದಿಗೆ ಪರಿಶೀಲನೆ (ನ್ಯಾಯಾಧೀಶರ ಪ್ರಾಂಪ್ಟ್):

ನೀವು ಸ್ವತಂತ್ರ ಮೌಲ್ಯಮಾಪಕರು. ಕೆಳಗೆ ಒಂದು <ಮೂಲ> ಪಠ್ಯ ಮತ್ತು <ಹಕ್ಕು> ಇದೆ. ಕ್ಲೈಮ್‌ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆ ಮತ್ತು ದಿನಾಂಕವು ಮೂಲದಲ್ಲಿ ಅಕ್ಷರಶಃ ಸಂಭವಿಸಿದೆಯೇ ಎಂದು ನೋಡಲು ಪರಿಶೀಲಿಸಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ, ಹೇಳಿ: "ಪರಿಶೀಲಿಸಲಾಗಿದೆ | ಮೂಲದಲ್ಲಿಲ್ಲ | ಮೂಲಕ್ಕೆ ವಿರುದ್ಧವಾಗಿದೆ." ಅವುಗಳಲ್ಲಿ ಒಂದಾದರೂ 'ಗೈರು/ಸಂಘರ್ಷ' ಆಗಿದ್ದರೆ, ಫಲಿತಾಂಶವನ್ನು "ಮಾನವ ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ" ಎಂದು ಗುರುತಿಸಿ.<source>{{ text }}</source><claim>{{ model_output }}</claim>

ಟ್ರಸ್ಟ್ ಥ್ರೆಶೋಲ್ಡ್ ರೂಟಿಂಗ್ ನಿಯಮ:

ರೂಟಿಂಗ್ ನಿಯಮ:- emin_misin = "ಹೆಚ್ಚು" ಮತ್ತು ಮೊತ್ತ < 10,000 TL -> ಸ್ವಯಂಚಾಲಿತ ಸಂಸ್ಕರಣೆ- emin_misin = "ಮಧ್ಯಮ" ಅಥವಾ ಮೊತ್ತ 10,000-100,000 TL -> ಎರಡನೇ ಮಾದರಿ ಪರಿಶೀಲನೆ- emin_misin = "ಕಡಿಮೆ" ಅಥವಾ ಮೊತ್ತ > 100,0 ಮಾನವ ಅನುಮೋದನೆ ಅಗತ್ಯವಿದೆ

ಮಾನವ ಆಡಿಟ್ ಸಾರಾಂಶ ಕಾರ್ಡ್ (ಪರಿಶೀಲನೆಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ):

ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ನಿರ್ಧಾರವನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವಾಗ, ಈ ಕಾರ್ಡ್ ಅನ್ನು ತಯಾರಿಸಿ:- ಏನು ಪ್ರಸ್ತಾಪಿಸಲಾಗಿದೆ? (ಒಂದು ವಾಕ್ಯ)- ಇದು ಯಾವ ಮೂಲವನ್ನು ಆಧರಿಸಿದೆ? (ಲೇಖನ/ಡಾಕ್ಯುಮೆಂಟ್ ಉಲ್ಲೇಖ)- 2 ದುರ್ಬಲ ಊಹೆಗಳು ಯಾವುವು?- ಅನುಮೋದಿಸಿದರೆ, ಅವುಗಳನ್ನು ಹಿಂತಿರುಗಿಸಬಹುದೇ? (ಹೌದು/ಇಲ್ಲ)

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ಕಳಪೆ ವಿಧಾನ

ಬಲವಾದ ವಿಧಾನ

"ಇನ್‌ವಾಯ್ಸ್‌ನಿಂದ ಮೊತ್ತವನ್ನು ಕಳೆಯಿರಿ" (ಉಚಿತ ಪಠ್ಯ)

ಕಟ್ಟುನಿಟ್ಟಾದ JSON ಸ್ಕೀಮಾ + ಶೂನ್ಯ + ವಿಶ್ವಾಸಾರ್ಹ ಕ್ಷೇತ್ರ

ಔಟ್ಪುಟ್ ಅನ್ನು ನೇರವಾಗಿ ಪಾವತಿ ವ್ಯವಸ್ಥೆಗೆ ಬರೆಯುವುದು

ಸ್ಕೀಮಾ → ನಿಯಮ → ಮಾನವ ಅನುಮೋದನೆ (ಅಗತ್ಯವಿದ್ದರೆ)

ಮಾದರಿಗೆ "ಖಚಿತವಾಗಿರಿ" ಎಂದು ಹೇಳುವುದು

ಎರಡನೇ ಮಾದರಿಯೊಂದಿಗೆ ಸಂಖ್ಯೆ/ದಿನಾಂಕದ ಮೌಲ್ಯೀಕರಣ

ಪ್ರತಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸಮಾನ ವಿಶ್ವಾಸದಿಂದ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು

ಪ್ರಭಾವ ಮತ್ತು ನಂಬಿಕೆಯ ಆಧಾರದ ಮೇಲೆ ರೂಟಿಂಗ್

ಬಲವಾದ ವಿಧಾನವು ಮಾದರಿಯು ಸರಿಯಾಗಿದೆ ಎಂದು ಭಾವಿಸುವುದಿಲ್ಲ; ನೀವು ತಪ್ಪಾಗಿದ್ದಾಗ ಅದು ನಿಮ್ಮನ್ನು ಹಿಡಿಯುವ ಬಾಗಿಲನ್ನು ರಚಿಸುತ್ತದೆ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಯೋಜನೆ ಮಾತ್ರ ಸಾಕಾಗಲಿಲ್ಲ. ಲೆಕ್ಕಪರಿಶೋಧಕ ಯಾಂತ್ರೀಕೃತಗೊಂಡವು JSON ನಂತೆ ಇನ್‌ವಾಯ್ಸ್‌ಗಳಿಂದ ಮೊತ್ತವನ್ನು ಹೊರತೆಗೆಯುತ್ತಿದೆ. ಯೋಜನೆಯು ಸರಿಯಾಗಿದೆ, ಆದರೆ ಮಾದರಿಯು ಸರಕುಪಟ್ಟಿಯಲ್ಲಿ "1,250.00" ಬದಲಿಗೆ "125,000" ಅನ್ನು ಉತ್ಪಾದಿಸಿತು (ದಶಮಾಂಶ ಶಿಫ್ಟ್). ಯೋಜನೆಯು ಇದನ್ನು ಹಿಡಿಯಲು ವಿಫಲವಾಗಿದೆ; ನಿಯಮ ಪರಿಶೀಲನೆ ("ಮೊತ್ತವು ಸರಕುಪಟ್ಟಿ ಐಟಂಗಳ ಒಟ್ಟು ಮೊತ್ತಕ್ಕೆ ±1% ರಷ್ಟು ಅನುಗುಣವಾಗಿರಬೇಕು") ಸಿಕ್ಕಿಬಿದ್ದಿದೆ ಮತ್ತು 112,500 TL ನ ತಪ್ಪಾದ ರೆಕಾರ್ಡಿಂಗ್ ಅನ್ನು ತಡೆಯಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಎರಡನೇ ಮಾದರಿಯು ಭ್ರಮೆಯನ್ನು ಸೆರೆಹಿಡಿಯಿತು. "30 ದಿನಗಳ ಮುಕ್ತಾಯದ ಸೂಚನೆ," ಕಾನೂನು ಬೆಂಬಲ ಸಹಾಯಕರು ಒಪ್ಪಂದದ ಸಾರಾಂಶದಲ್ಲಿ ಹೇಳಿದರು; ಆದಾಗ್ಯೂ, ಒಪ್ಪಂದದಲ್ಲಿ ಇದು 90 ದಿನಗಳು. ಸ್ವತಂತ್ರ ನ್ಯಾಯಾಧೀಶರು ಮಾದರಿಯನ್ನು "ಮೂಲದೊಂದಿಗೆ ಸಂಘರ್ಷ" ಎಂದು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದಾಗ, ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮಾನವನಿಗೆ ರವಾನಿಸಲಾಯಿತು ಮತ್ತು ಸರಿಪಡಿಸಲಾಯಿತು. ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿದ್ದರೆ, ತಪ್ಪಾದ ದಿನಾಂಕದ ಆಧಾರದ ಮೇಲೆ ಗ್ರಾಹಕರು ರದ್ದತಿಯನ್ನು ಸೂಚಿಸುತ್ತಾರೆ.

ಪ್ರಕರಣ 3 - ರೂಟಿಂಗ್ ಲೋಡ್ ಅನ್ನು 70% ಕಡಿಮೆ ಮಾಡಿದೆ. ವಿಮಾ ಹಕ್ಕುಗಳ ವ್ಯವಸ್ಥೆಯು ಕಡಿಮೆ-ಮೊತ್ತದ ಮತ್ತು ಹೆಚ್ಚಿನ-ಭದ್ರತೆಯ ಕ್ಲೈಮ್‌ಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅನುಮೋದಿಸುತ್ತದೆ ಮತ್ತು ಮೇಲಿನ-ಥ್ರೆಶೋಲ್ಡ್/ಕಡಿಮೆ-ಸುರಕ್ಷಿತವಾದವುಗಳನ್ನು ಮಾತ್ರ ತಜ್ಞರಿಗೆ ಕಳುಹಿಸುತ್ತದೆ. 3,200 ದೈನಂದಿನ ಬೇಡಿಕೆಗಳಲ್ಲಿ, ಕೇವಲ 950 ಮಾನವರಿಗೆ ಬಿದ್ದವು; ತಜ್ಞರು ತಮ್ಮ ಸಮಯವನ್ನು ನಿಜವಾದ ಅಪಾಯಕಾರಿ 30% ಗೆ ಮೀಸಲಿಟ್ಟರು, ಸರಾಸರಿ ವಹಿವಾಟಿನ ಸಮಯವು 4 ಗಂಟೆಗಳಿಂದ 40 ನಿಮಿಷಗಳಿಗೆ ಇಳಿಯುತ್ತದೆ.

ಸಲಹೆ: ಮಾನವ ನಿಯಂತ್ರಣವನ್ನು ಹೊಂದಿಸಬೇಡಿ ಇದರಿಂದ "ಜನರು ಎಲ್ಲವನ್ನೂ ನೋಡಬಹುದು" - ಇದು ಜನರನ್ನು ಬೇಸರಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಅನುಮೋದನೆಯು ರಬ್ಬರ್ ಸ್ಟ್ಯಾಂಪ್ ಆಗುತ್ತದೆ. ಬದಲಾಗಿ, ಮಾನವನಿಗೆ ಹೆಚ್ಚಿನ-ಪರಿಣಾಮ ಮತ್ತು ಕಡಿಮೆ-ವಿಶ್ವಾಸದ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಮಾತ್ರ ಮಾರ್ಗ ಮಾಡಿ; ಇದು ನಿಜವಾಗಿಯೂ ಮುಖ್ಯವಾದುದಕ್ಕೆ ಗಮನವನ್ನು ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ.

ಮಾನವ ನಿಯಂತ್ರಣವನ್ನು ಅರ್ಥಪೂರ್ಣಗೊಳಿಸುವುದು

ಹ್ಯೂಮನ್-ಇನ್-ದ-ಲೂಪ್ ಎಂದರೆ ಕಾಗದದ ಮೇಲೆ ಚೆಕ್‌ಬಾಕ್ಸ್ ಹಾಕುವುದು ಅಲ್ಲ. ವಿಮರ್ಶಕರು (1) ನಿರ್ಧಾರವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂದರ್ಭ, (2) ಮೂಲಕ್ಕೆ ಪ್ರವೇಶ ಮತ್ತು (3) "ಇಲ್ಲ" ಎಂದು ಹೇಳುವ ಅಧಿಕಾರವನ್ನು ಹೊಂದಿರಬೇಕು. ಇಲ್ಲದಿದ್ದರೆ, ನಿಯಂತ್ರಣವು ಕಾಸ್ಮೆಟಿಕ್ ಆಗಿ ಉಳಿದಿದೆ. ವಿಮರ್ಶೆ ಕಾರ್ಡ್ (ಮೇಲಿನ ನಾಲ್ಕನೇ ಟೆಂಪ್ಲೇಟ್) ಆ ಸಂದರ್ಭವನ್ನು ಒದಗಿಸುವ ಉದ್ದೇಶವನ್ನು ಹೊಂದಿದೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕೇವಲ ಸ್ಕೀಮಾ ಮೌಲ್ಯೀಕರಣವನ್ನು ಮಾಡುವುದು ಮತ್ತು ವಿಷಯ/ಮೌಲ್ಯ ದೋಷಗಳನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು.
• ಮಾಡೆಲ್‌ಗೆ "ಖಾತ್ರಿಪಡಿಸಿಕೊಳ್ಳಿ" ಎಂದು ಹೇಳುವ ಮೂಲಕ ನೀವು ನಿಜವಾದ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡುತ್ತಿದ್ದೀರಿ ಎಂದು ಯೋಚಿಸಿ.
• ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ, ಬದಲಾಯಿಸಲಾಗದ ನಿರ್ಧಾರಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಿ.
• ಪ್ರತಿ ಉತ್ಪಾದನೆಯ ಮೇಲೆ ಮಾನವ ನಿಯಂತ್ರಣವನ್ನು ಹಾಕುವುದು ಮತ್ತು ಅನುಮೋದನೆಯನ್ನು ಅರ್ಥಹೀನ ರಬ್ಬರ್ ಸ್ಟಾಂಪ್ ಆಗಿ ಪರಿವರ್ತಿಸುವುದು.
• ಮೂಲ ಮತ್ತು ಸಂದರ್ಭವನ್ನು ನೀಡದೆ ವಿಮರ್ಶಕರಿಗೆ "ಅನುಮೋದಿಸಿ" ಎಂದು ಹೇಳುವುದು.
• ಟ್ರಸ್ಟ್ ಥ್ರೆಶೋಲ್ಡ್ ಮತ್ತು ರೂಟಿಂಗ್ ಅನ್ನು ಸ್ಥಾಪಿಸದೆ ಒಂದೇ ಅಪಾಯದೊಂದಿಗೆ ಎಲ್ಲಾ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

• ಔಟ್ಪುಟ್ ಮೂರು ವಿಧಗಳಲ್ಲಿ ದೋಷಪೂರಿತವಾಗಿದೆ: ರೂಪ, ವಿಷಯ ಮತ್ತು ದುರುದ್ದೇಶಪೂರಿತ ಉದ್ದೇಶ; ಒಂದು ಘನ ವ್ಯವಸ್ಥೆಯು ಮೂರನ್ನೂ ಬಾಗಿಲಲ್ಲಿ ನಿಲ್ಲಿಸುತ್ತದೆ.
• ಲೇಯರ್‌ಗಳು: ಸ್ಕೀಮಾ ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆ, ನಿಯಮ/ವ್ಯಾಪಾರ ತರ್ಕ, ಮೂಲ ನಿಯಂತ್ರಣ, ಎರಡನೇ ಮಾದರಿ (LLM-ಆಸ್-ಜಡ್ಜ್), ಮತ್ತು ಟ್ರಸ್ಟ್ ಥ್ರೆಶೋಲ್ಡ್ ರೂಟಿಂಗ್.
• ಹೆಚ್ಚಿನ ಪರಿಣಾಮ ಮತ್ತು ಕಡಿಮೆ ಸುರಕ್ಷತೆಯ ಔಟ್‌ಪುಟ್‌ಗಳಿಗೆ ಹ್ಯೂಮನ್-ಇನ್-ದ-ಲೂಪ್ ಕಡ್ಡಾಯವಾಗಿರಬೇಕು.
• ಮಾನವ ವಿಮರ್ಶೆಯು ಅರ್ಥಪೂರ್ಣವಾಗಿರಬೇಕು: ವಿಮರ್ಶಕರು ಸಂದರ್ಭ, ಸಂಪನ್ಮೂಲ ಪ್ರವೇಶ ಮತ್ತು "ಇಲ್ಲ" ಎಂದು ಹೇಳುವ ಅಧಿಕಾರವನ್ನು ಹೊಂದಿರಬೇಕು.
• ಸುರಕ್ಷತೆ ಮತ್ತು ದಕ್ಷತೆ ಎರಡನ್ನೂ ಮಾನವರಿಗೆ ಅಪಾಯಕಾರಿಯಾದವುಗಳನ್ನು ನಿರ್ದೇಶಿಸುವ ಮೂಲಕ ಪಡೆಯಲಾಗುತ್ತದೆ, ಪ್ರತಿ ಉತ್ಪಾದನೆಯಲ್ಲ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ AI ಔಟ್‌ಪುಟ್‌ನಿಂದ ಉದಾಹರಣೆ ತೆಗೆದುಕೊಳ್ಳಿ. ಮೊದಲು JSON ಸ್ಕೀಮಾವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ ಮತ್ತು ಅದಕ್ಕೆ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಒತ್ತಾಯಿಸಿ. ನಂತರ ಕನಿಷ್ಠ ಎರಡು ವ್ಯವಹಾರ ನಿಯಮಗಳನ್ನು ಬರೆಯಿರಿ (ಉದಾಹರಣೆಗೆ, "ಮೊತ್ತವು ಒಟ್ಟು ಐಟಂಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ"). ಅಂತಿಮವಾಗಿ, ರೂಟಿಂಗ್ ಟೇಬಲ್ ಅನ್ನು ಹೊಂದಿಸಿ: ಯಾವ ನಂಬಿಕೆ/ಪ್ರಭಾವ ಸಂಯೋಜನೆಯು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹೋಗುತ್ತದೆ, ಇದು ಎರಡನೇ ಮಾದರಿಗೆ ಹೋಗುತ್ತದೆ, ಅದು ಮಾನವನಿಗೆ ಹೋಗುತ್ತದೆ? ದೋಷಯುಕ್ತ ಮಾದರಿಯನ್ನು ರಚಿಸಿ ಮತ್ತು ಪ್ರತಿ ಪದರವು ಅದನ್ನು ಎಲ್ಲಿ ಸೆರೆಹಿಡಿಯುತ್ತದೆ ಎಂಬುದನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಔಟ್‌ಪುಟ್‌ಗಾಗಿ ಕಟ್ಟುನಿಟ್ಟಾದ ಸ್ಕೀಮಾವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತೇನೆ ಮತ್ತು ಅದನ್ನು ಯಂತ್ರದೊಂದಿಗೆ ಪರಿಶೀಲಿಸುತ್ತೇನೆ.
• [ ] ನಾನು ಕನಿಷ್ಟ ಒಂದು ವ್ಯಾಪಾರ/ನಿಯಮಗಳ ಮೌಲ್ಯೀಕರಣವನ್ನು ಸೇರಿಸಿದ್ದೇನೆ (ಮೌಲ್ಯ ತರ್ಕ).
• [ ] ನಾನು ಸಮರ್ಥನೆಗಳನ್ನು ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಮಾಡಬಹುದು ಮತ್ತು ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು.
• [ ] ಹೆಚ್ಚಿನ ಪರಿಣಾಮ/ಕಡಿಮೆ ಸುರಕ್ಷತಾ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ ಎರಡನೇ ಮಾದರಿ ಅಥವಾ ಮಾನವ ಊರ್ಜಿತಗೊಳಿಸುವಿಕೆ ಲಭ್ಯವಿದೆ.
• ನಂಬಿಕೆ ಮತ್ತು ಪ್ರಭಾವದ ಆಧಾರದ ಮೇಲೆ ರೂಟಿಂಗ್ ನಿಯಮವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ.
• [ ] ವಿಮರ್ಶಕರಿಗೆ ಸಂದರ್ಭ, ಮೂಲ ಮತ್ತು ತಿರಸ್ಕರಿಸುವ ಅಧಿಕಾರವನ್ನು ಒದಗಿಸಲಾಗಿದೆ.