ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਵਿਗਿਆਨਕ ਲਿਖਤ

ਲਾਭ:

• ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਸਰੋਤਾਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਨਹੀਂ, ਪਰ ਤੁਹਾਡੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਅਸਲ ਲੇਖ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਵਿੱਚ, ਇੱਕ ਖੋਜ ਰਣਨੀਤੀ ਸਥਾਪਤ ਕਰਨ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਭਾਸ਼ਾ ਸੰਦ ਵਜੋਂ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ
• ਮਨਘੜਤ ਹਵਾਲਿਆਂ ਦੀ ਵਿਧੀ ਨੂੰ ਸਮਝੋ ਅਤੇ PubMed/DOI ਨਾਲ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰਕੇ ਹਰੇਕ ਹਵਾਲੇ ਨੂੰ ਖਤਮ ਕਰੋ।
• ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ ਅਤੇ ਸੰਖਿਆਵਾਂ ਪ੍ਰਦਾਨ ਕਰਨ ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਘੋਸ਼ਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਇੱਕ ਜੀਵ-ਵਿਗਿਆਨੀ ਦਾ ਬਹੁਤਾ ਸਮਾਂ ਪੜ੍ਹਨ ਅਤੇ ਲਿਖਣ ਵਿੱਚ ਬਿਤਾਇਆ ਜਾਂਦਾ ਹੈ: ਖੇਤਰ ਨਾਲ ਜੁੜੇ ਰਹਿਣਾ, ਇਹ ਵੇਖਣਾ ਕਿ ਕਿਸੇ ਵਿਸ਼ੇ ਦਾ ਕਿੰਨਾ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਉਸ ਦੀਆਂ ਖੋਜਾਂ ਨੂੰ ਪੇਪਰ, ਥੀਸਿਸ, ਜਾਂ ਗ੍ਰਾਂਟ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਬਦਲਣਾ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਹਨਾਂ ਦੋਵਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਬਹੁਤ ਪ੍ਰਵੇਗ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ; ਪਰ ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਇਸ ਵਿੱਚ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਜਾਲ ਹੈ: ਭਰਮ ਵਾਲੇ ਹਵਾਲੇ। ਮਾਡਲ ਲੇਖ ਦੀਆਂ ਬਾਈਲਾਈਨਾਂ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਬਿਲਕੁਲ ਮੌਜੂਦ ਨਹੀਂ ਹਨ ਪਰ ਬਹੁਤ ਹੀ ਯਥਾਰਥਵਾਦੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਵਿਗਿਆਨਕ ਲਿਖਤ ਵਿੱਚ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਕਰਨਾ ਸਿੱਖਾਂਗੇ।

ਮੂਲ ਸਿਧਾਂਤ: AI ਨੂੰ ਤੁਹਾਡੀ ਟਾਈਪਿੰਗ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦਿਓ, ਤੁਹਾਡੀ ਸੋਚ ਅਤੇ ਪਰੂਫਿੰਗ ਨੂੰ ਨਹੀਂ।

ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਸਹੀ ਭੂਮਿਕਾ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਸਾਹਿਤ ਦਾ ਡਾਟਾਬੇਸ ਨਹੀਂ ਹੈ। ਇੱਕ ਆਮ LLM ਭਰੋਸੇਯੋਗ ਤੌਰ 'ਤੇ ਨਹੀਂ ਜਾਣਦਾ ਕਿ ਕਿਹੜਾ ਕਾਗਜ਼ ਮੌਜੂਦ ਹੈ ਅਤੇ ਅਸਲ ਹਵਾਲੇ ਨਹੀਂ ਬਣਾ ਸਕਦਾ। ਨੌਕਰੀ ਲਈ ਸਹੀ ਸਾਧਨ:

• PubMed, ਗੂਗਲ ਸਕਾਲਰ, ਸਿਮੈਂਟਿਕ ਸਕਾਲਰ: ਅਸਲ ਲੇਖ ਖੋਜ।
• ਹਵਾਲੇ ਚੇਨਿੰਗ ਟੂਲ (ਜਿਵੇਂ ਕਿ ਕਨੈਕਟਡ ਪੇਪਰ, ਲਿਟਮੈਪ): ਵਿਜ਼ੂਅਲ ਮੈਪ ਦੇ ਤੌਰ 'ਤੇ ਸੰਬੰਧਿਤ ਲੇਖ ਲੱਭੋ।
• ਦਸਤਾਵੇਜ਼-ਅਧਾਰਿਤ AI: ਟੂਲ ਜੋ ਤੁਹਾਡੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਗਏ ਅਸਲ ਲੇਖ (PDF/ਟੈਕਸਟ) ਦਾ ਸਾਰ ਦਿੰਦੇ ਹਨ ਅਤੇ ਉਸ ਟੈਕਸਟ ਦੇ ਅਧਾਰ ਤੇ ਤੁਹਾਡੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦੇ ਹਨ। ਇੱਥੇ ਮਾਡਲ ਸਰੋਤ ਨਹੀਂ ਬਣਾਉਂਦਾ ਹੈ, ਇਹ ਉਸ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਦਾ ਹੈ ਜੋ ਤੁਸੀਂ ਇਸਨੂੰ ਦਿੰਦੇ ਹੋ।

LLM ਦੀ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ: ਤੁਹਾਡੇ ਦੁਆਰਾ ਲੱਭੇ ਗਏ ਅਸਲ ਲੇਖਾਂ ਦਾ ਸਾਰ ਦੇਣਾ, ਉਹਨਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨਾ, ਤੁਹਾਨੂੰ ਕਿਸੇ ਵਿਸ਼ੇ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ, ਖੋਜ ਸ਼ਬਦਾਂ ਦਾ ਸੁਝਾਅ ਦੇਣਾ।

ਸੁਝਾਅ: AI ਨੂੰ ਨਾ ਕਹੋ "ਮੈਨੂੰ ਇਸ ਵਿਸ਼ੇ 'ਤੇ 10 ਸਰੋਤ ਦਿਓ"; ਇਸਦੀ ਬਜਾਏ "ਮੈਨੂੰ ਇਸ ਵਿਸ਼ੇ 'ਤੇ PubMed ਵਿੱਚ ਕਿਹੜੇ ਖੋਜ ਸ਼ਬਦ ਵਰਤਣੇ ਚਾਹੀਦੇ ਹਨ?" ਪੁੱਛੋ ਫਿਰ ਤੁਸੀਂ ਅਸਲੀ ਕਾਲ ਕਰੋ. ਮਾਡਲ ਸਰੋਤਾਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਨਹੀਂ ਬਲਕਿ ਇੱਕ ਖੋਜ ਰਣਨੀਤੀ ਸਥਾਪਤ ਕਰਨ ਵਿੱਚ ਭਰੋਸੇਯੋਗ ਹੈ।

ਮਨਘੜਤ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਸਮੱਸਿਆ: ਕਿਉਂ ਅਤੇ ਇਸ ਤੋਂ ਕਿਵੇਂ ਬਚਣਾ ਹੈ

LLM ਪਾਠ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਇਹ "ਅਗਲੇ ਸੰਭਵ ਸ਼ਬਦ" ਦੇ ਤਰਕ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਹਵਾਲਾ ਮੰਗਿਆ ਜਾਂਦਾ ਹੈ, ਇੱਕ ਅਸਲ ਲੇਖ ਨੂੰ ਯਾਦ ਕਰਨ ਦੀ ਬਜਾਏ, ਇਹ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਦਿੱਖ ਵਾਲੀ ਬਾਈਲਾਈਨ "ਬਣਾਉਂਦਾ" ਹੈ: ਪ੍ਰਸ਼ੰਸਾਯੋਗ ਲੇਖਕ ਦੇ ਨਾਮ, ਯਥਾਰਥਵਾਦੀ ਜਰਨਲ, ਢੁਕਵਾਂ ਸਾਲ, ਇੱਥੋਂ ਤੱਕ ਕਿ ਇੱਕ ਜਾਅਲੀ DOI। ਉਹਨਾਂ ਵਿੱਚੋਂ ਬਹੁਤੇ ਕਦੇ ਮੌਜੂਦ ਨਹੀਂ ਹਨ. ਸੁਰੱਖਿਆ:

1. ਹਰੇਕ ਹਵਾਲੇ ਦੀ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪੁਸ਼ਟੀ ਕਰੋ: doi.org 'ਤੇ DOI ਖੋਜੋ, PubMed 'ਤੇ ਹਵਾਲਾ ਦਿਓ।
2. ਸਿਰਫ਼ ਉਹਨਾਂ ਲੇਖਾਂ ਦਾ ਹਵਾਲਾ ਦਿਓ ਜੋ ਤੁਸੀਂ ਖੁਦ ਪੜ੍ਹੇ ਹਨ।
3. ਕਦੇ ਵੀ ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਹਵਾਲੇ ਨੂੰ ਸਿੱਧੇ ਬਿਬਲਿਓਗ੍ਰਾਫੀ ਵਿੱਚ ਨਾ ਰੱਖੋ।
4. ਭਾਵੇਂ ਤੁਸੀਂ ਦਸਤਾਵੇਜ਼-ਅਧਾਰਿਤ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਜਾਂਚ ਕਰੋ ਕਿ ਹਵਾਲਾ ਅਸਲ ਟੈਕਸਟ ਵਿੱਚ ਹੈ।

ਵਿਗਿਆਨਕ ਲਿਖਤ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ

ਇੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਅਸਲ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਹੁਣ "ਜਾਣਕਾਰੀ ਦੇ ਸਰੋਤ" ਵਜੋਂ ਕੰਮ ਨਹੀਂ ਕਰਦੀ ਹੈ, ਪਰ ਇੱਕ "ਭਾਸ਼ਾ ਸੰਦ" ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ:

• ਡਰਾਫਟ ਜਨਰੇਸ਼ਨ: ਇੱਕ ਵਿਧੀ ਪੈਰਾ ਦਾ ਪਹਿਲਾ ਸੰਸਕਰਣ, ਇੱਕ ਸੰਖੇਪ।
• ਭਾਸ਼ਾ ਸੁਧਾਰ: ਰਵਾਨਗੀ ਅਤੇ ਵਿਆਕਰਣ, ਖਾਸ ਕਰਕੇ ਗੈਰ-ਮੂਲ ਅੰਗਰੇਜ਼ੀ ਬੋਲਣ ਵਾਲਿਆਂ ਲਈ।
• ਪੁਨਰਗਠਨ: ਖਿੰਡੇ ਹੋਏ ਨੋਟਸ ਨੂੰ ਤਰਕਪੂਰਨ ਪ੍ਰਵਾਹ ਵਿੱਚ ਲਿਆਉਣਾ।
• ਵੱਖ-ਵੱਖ ਦਰਸ਼ਕ: ਮਾਹਰ, ਵਿਦਿਆਰਥੀ ਜਾਂ ਜਨਤਾ ਲਈ ਇੱਕੋ ਖੋਜ ਨੂੰ ਮੁੜ ਲਿਖਣਾ।
• ਜਵਾਬ ਪੱਤਰ: ਰੈਫਰੀ ਦੀਆਂ ਟਿੱਪਣੀਆਂ ਲਈ ਡਰਾਫਟ ਜਵਾਬ।

ਪਰ ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ, ਸੰਖਿਆਵਾਂ ਅਤੇ ਹਵਾਲੇ ਹਮੇਸ਼ਾ ਤੁਹਾਡੇ ਤੋਂ ਆਉਣੇ ਚਾਹੀਦੇ ਹਨ ਅਤੇ ਤੁਹਾਡੇ ਦੁਆਰਾ ਤਸਦੀਕ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।

ਕਦਮ-ਦਰ-ਕਦਮ: ਲੇਖ ਦੇ ਸੰਖੇਪ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ

1. ਅਸਲ ਲੇਖ (PubMed/Scholar) ਲੱਭੋ।
2. AI (ਸਾਰ ਜਾਂ ਪੂਰਾ ਪਾਠ) ਨੂੰ ਟੈਕਸਟ ਦਿਓ।
3. ਇੱਕ ਢਾਂਚਾਗਤ ਸੰਖੇਪ ਲਈ ਪੁੱਛੋ: ਸਵਾਲ, ਵਿਧੀ, ਖੋਜ, ਸੀਮਾਵਾਂ।
4. ਟੈਕਸਟ ਨਾਲ ਦਾਅਵਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰੋ: ਕੀ ਮਾਡਲ ਨੇ ਕੋਈ ਵਾਧਾ ਕੀਤਾ ਹੈ?
5. ਇਸਨੂੰ ਆਪਣੇ ਖੁਦ ਦੇ ਨੋਟ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰੋ, ਅਸਲ ਹਵਾਲੇ ਨਾਲ ਸਰੋਤ ਨੂੰ ਰਿਕਾਰਡ ਕਰੋ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਹੇਠਾਂ ਦਿੱਤੇ ਲੇਖ ਦੇ ਸੰਖੇਪ ਨੂੰ 5 ਸਿਰਲੇਖਾਂ ਹੇਠ ਸੰਖੇਪ ਕਰੋ: (1) ਖੋਜ ਪ੍ਰਸ਼ਨ, (2) ਵਿਧੀ ਅਤੇ ਨਮੂਨਾ, (3) ਮੁੱਖ ਖੋਜ (ਸੰਖਿਆਵਾਂ ਦੇ ਨਾਲ), (4) ਸੀਮਾਵਾਂ, (5) ਮੇਰੇ ਅਧਿਐਨ ਨਾਲ ਸਬੰਧ। ਕੋਈ ਵੀ ਜਾਣਕਾਰੀ ਨਾ ਜੋੜੋ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਨਹੀਂ ਹੈ। ਪਾਠ: [ਸਾਰ]

PubMed ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿਸ਼ੇ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਖੋਜ ਸਤਰ ਦਾ ਸੁਝਾਅ ਦਿਓ: ਮੁੱਖ ਸ਼ਬਦ, ਸਮਾਨਾਰਥੀ ਸ਼ਬਦ, MeSH ਸ਼ਬਦ, ਅਤੇ ਬੂਲੀਅਨ ਓਪਰੇਟਰ। ਵਿਸ਼ਾ: [ਵਿਸ਼ਾ]। ਮੈਨੂੰ ਸਰੋਤਾਂ ਦੀ ਸੂਚੀ ਨਾ ਦਿਓ, ਬੱਸ ਮੈਨੂੰ ਇੱਕ ਖੋਜ ਰਣਨੀਤੀ ਦਿਓ।

ਇਹ ਵਿਧੀ ਮੇਰੇ ਪੈਰੇ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦੀ ਹੈ ਅਤੇ ਵਿਆਕਰਣ ਨੂੰ ਠੀਕ ਕਰਦੀ ਹੈ, ਪਰ ਕਿਸੇ ਵੀ ਸੰਖਿਆਤਮਕ ਮੁੱਲ, ਵਿਧੀ ਦੇ ਨਾਮ, ਜਾਂ ਦਾਅਵੇ ਨੂੰ ਨਾ ਬਦਲੋ। ਤਬਦੀਲੀਆਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ. ਪਾਠ: [ਪੈਰਾ]

ਤਿੰਨ ਵੱਖ-ਵੱਖ ਦਰਸ਼ਕਾਂ ਲਈ ਮੇਰੀ ਖੋਜ ਨੂੰ ਮੁੜ ਲਿਖੋ: (1) ਫੀਲਡ ਮਾਹਰ, (2) ਅੰਡਰਗਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ, (3) ਆਮ ਜਨਤਾ। ਵਿਗਿਆਨਕ ਸ਼ੁੱਧਤਾ ਬਣਾਈ ਰੱਖੋ, ਅਤਿਕਥਨੀ ਨਾ ਕਰੋ। ਲੱਭ ਰਿਹਾ ਹੈ: [ਟੈਕਸਟ]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ: "CRISPR ਬਾਰੇ ਇੱਕ ਜਾਣ-ਪਛਾਣ ਲਿਖੋ ਅਤੇ ਇੱਕ ਸਰੋਤ ਜੋੜੋ।"

ਮਜ਼ਬੂਤ: "ਹੇਠਾਂ 4 ਲੇਖ ਹਨ ਜੋ ਮੈਂ ਆਪਣੇ ਦੁਆਰਾ ਪੜ੍ਹੇ ਅਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਹਨ। ਇਹਨਾਂ ਲੇਖਾਂ ਦੇ ਆਧਾਰ 'ਤੇ, ਪੌਦਿਆਂ ਦੇ ਪ੍ਰਜਨਨ ਵਿੱਚ CRISPR 'ਤੇ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਪੈਰੇ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ; ਬਰੈਕਟਾਂ ਵਿੱਚ ਦੱਸੋ ਕਿ ਇਹਨਾਂ 4 ਸਰੋਤਾਂ ਵਿੱਚੋਂ ਕਿਹੜਾ ਹਰੇਕ ਦਾਅਵੇ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ; ਕੋਈ ਵੀ ਦਾਅਵਿਆਂ ਨੂੰ ਨਾ ਜੋੜੋ ਜੋ ਇਹਨਾਂ ਸਰੋਤਾਂ ਵਿੱਚ ਨਹੀਂ ਹਨ।"

ਅੰਤਰ: ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਰੋਤ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋ ਅਤੇ ਮਾਡਲ ਸਿਰਫ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਮਨਘੜਤ ਗੁਣਾਂ ਦਾ ਖਤਰਾ ਖਤਮ ਹੋ ਜਾਂਦਾ ਹੈ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਨਕਲੀ DOI: ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਨੇ ਆਪਣੇ ਥੀਸਿਸ ਦੀ ਜਾਣ-ਪਛਾਣ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ 8 ਸਰੋਤ ਸ਼ਾਮਲ ਕੀਤੇ। ਜਦੋਂ ਸਲਾਹਕਾਰ ਨੇ ਜਾਂਚ ਕੀਤੀ, ਤਾਂ ਪਤਾ ਲੱਗਾ ਕਿ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ 3 ਕਦੇ ਮੌਜੂਦ ਨਹੀਂ ਸਨ ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ 2 ਦੇ ਲੇਖਕ ਗਲਤ ਸਨ। ਵਿਦਿਆਰਥੀ ਨੂੰ ਸਾਰੀ ਬਿਬਲੀਓਗ੍ਰਾਫੀ ਨੂੰ ਓਵਰਹਾਲ ਕਰਨਾ ਪਿਆ। ਸਬਕ: ਮਾਡਲ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਕਦੇ ਭਰੋਸਾ ਨਾ ਕਰੋ।

ਕੇਸ 2 - ਜੋੜਿਆ ਗਿਆ ਖੋਜ: ਇੱਕ ਖੋਜਕਰਤਾ ਕੋਲ ਇੱਕ ਪੇਪਰ ਸੰਖੇਪ ਸੀ; ਮਾਡਲ ਨੇ ਇੱਕ "ਸੰਖਿਆਤਮਕ ਮਹੱਤਤਾ" ਵਾਕਾਂਸ਼ ਜੋੜਿਆ ਜੋ ਸੰਖੇਪ ਵਿੱਚ ਨਹੀਂ ਸੀ। ਖੋਜਕਰਤਾ ਨੇ ਇਸ ਅੰਤਰ ਨੂੰ ਦੇਖਿਆ ਜਦੋਂ ਉਸਨੇ ਟੈਕਸਟ ਨਾਲ ਇਸ ਦੀ ਤੁਲਨਾ ਕੀਤੀ। ਸਬਕ: ਹਮੇਸ਼ਾਂ ਸਰੋਤ ਨਾਲ ਐਬਸਟਰੈਕਟ ਦੀ ਤੁਲਨਾ ਕਰੋ।

ਕੇਸ 3 — ਸਹੀ ਵਰਤੋਂ: ਇੱਕ ਖੋਜਕਰਤਾ, ਇੱਕ ਗੈਰ-ਮੂਲ ਅੰਗਰੇਜ਼ੀ ਬੋਲਣ ਵਾਲੇ, ਨੇ AI ਨੂੰ ਉਸ ਦੁਆਰਾ ਲਿਖੇ ਢੰਗ ਭਾਗ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਇਆ ਸੀ; ਉਸ ਨੇ ਇਹ ਸ਼ਰਤ ਰੱਖੀ ਕਿ ਉਹ ਨੰਬਰਾਂ ਅਤੇ ਦਾਅਵਿਆਂ ਨੂੰ ਨਾ ਬਦਲੇ। ਨਤੀਜਾ ਅਰਥ ਨੂੰ ਵਿਗਾੜਨ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਪੜ੍ਹਨਯੋਗ ਟੈਕਸਟ ਹੈ। ਸਬਕ: ਇੱਕ ਭਾਸ਼ਾ ਟੂਲ ਵਜੋਂ, AI ਸ਼ਾਨਦਾਰ ਹੈ।

ਤੁਲਨਾ ਚਾਰਟ

ਖੋਜ

ਕੀ ਨਕਲੀ ਬੁੱਧੀ ਭਰੋਸੇਯੋਗ ਹੈ?

ਸਹੀ ਟੂਲ/ਤਰੀਕਾ

ਸੋਰਸਿੰਗ

ਨਹੀਂ

PubMed/ਵਿਦਵਾਨ

ਇੱਕ ਹਵਾਲਾ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ

ਨਹੀਂ (ਬਣਦਾ ਹੈ)

ਹੱਥੀਂ ਪੁਸ਼ਟੀ ਕਰੋ

ਦਿੱਤੇ ਲੇਖ ਦਾ ਸੰਖੇਪ

ਹਾਂ (ਟੈਕਸਟ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕਰੋ)

LLM + ਤੁਲਨਾ

ਭਾਸ਼ਾ ਸੁਧਾਰ

ਹਾਂ

ਐਲ.ਐਲ.ਐਮ

ਇੱਕ ਡਰਾਫਟ ਬਣਾਓ

ਹਾਂ (ਤੁਹਾਡੇ ਵੱਲੋਂ ਦਾਅਵਾ)

ਐਲ.ਐਲ.ਐਮ

ਖੋਜ ਰਣਨੀਤੀ

ਹਾਂ

ਐਲ.ਐਲ.ਐਮ

ਆਮ ਗਲਤੀਆਂ

• ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਮਾਡਲ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ: ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਸਭ ਤੋਂ ਨੁਕਸਾਨਦੇਹ ਗਲਤੀ।
• ਖੋਜ ਇੰਜਣ ਲਈ ਐਲਐਲਐਮ ਨੂੰ ਗਲਤ ਕਰਨਾ: ਇਹ ਅਸਲ ਲੇਖ ਨਹੀਂ ਲੱਭਦਾ।
• ਸਾਰਾਂਸ਼ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਅਤੇ ਸਰੋਤ ਨੂੰ ਨਾ ਪੜ੍ਹਨਾ: ਮਾਡਲ ਜੋੜਨ/ਵਿਗਾੜ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ।
• ਨਕਲੀ ਬੁੱਧੀ ਬਣਾਉਣਾ ਦਾਅਵੇ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਵਿਗਿਆਨਕ ਦਾਅਵਾ ਤੁਹਾਡੇ ਤੋਂ ਆਉਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਸਾਹਿਤਕ ਚੋਰੀ ਅਤੇ ਮੌਲਿਕਤਾ: ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਟੈਕਸਟ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਪੇਸ਼ ਕਰਨਾ ਜਿਵੇਂ ਕਿ ਇਹ ਮੇਰਾ ਆਪਣਾ ਵਾਕ ਹੈ; ਜਰਨਲ ਨੀਤੀਆਂ ਦੀ ਉਲੰਘਣਾ ਹੋ ਸਕਦੀ ਹੈ।

ਸਾਵਧਾਨ: ਬਹੁਤ ਸਾਰੇ ਰਸਾਲਿਆਂ ਅਤੇ ਸੰਸਥਾਵਾਂ ਨੂੰ AI ਦੀ ਵਰਤੋਂ ਦੇ ਖੁਲਾਸੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਅਤੇ AI ਨੂੰ ਲੇਖਕ ਵਜੋਂ ਸਵੀਕਾਰ ਨਹੀਂ ਕਰਦੇ। ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਉਸ ਟੂਲ ਅਤੇ ਸਕੋਪ ਨੂੰ ਦਰਸਾਓ ਜੋ ਤੁਸੀਂ ਆਪਣੀ AI- ਸਮਰਥਿਤ ਲਿਖਤ ਵਿੱਚ ਵਰਤਦੇ ਹੋ; ਤੁਸੀਂ ਅੰਤਿਮ ਪਾਠ ਦੀ ਸ਼ੁੱਧਤਾ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੋ।

ਯੋਜਨਾਬੱਧ ਸਕ੍ਰੀਨਿੰਗ ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਸਰਹੱਦ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆਵਾਂ ਵਿੱਚ ਆਕਰਸ਼ਕ ਜਾਪਦੀ ਹੈ ਜੋ ਇੱਕ ਪੂਰੇ ਵਿਸ਼ੇ ਨੂੰ ਵਿਆਪਕ ਅਤੇ ਨਿਰਪੱਖਤਾ ਨਾਲ ਸਕੈਨ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹਨ, ਪਰ ਇਸਨੂੰ ਸਾਵਧਾਨੀ ਨਾਲ ਵਰਤਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕ ਵਿਵਸਥਿਤ ਖੋਜ ਦਾ ਸਾਰ ਇੱਕ ਪ੍ਰਜਨਨਯੋਗ ਅਤੇ ਪਾਰਦਰਸ਼ੀ ਖੋਜ ਰਣਨੀਤੀ ਹੈ: ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣਾ ਕਿ ਕਿਹੜੇ ਡੇਟਾਬੇਸ ਦੀ ਖੋਜ ਕੀਤੀ ਗਈ ਸੀ, ਕਿਹੜੇ ਸ਼ਬਦਾਂ ਦੇ ਨਾਲ, ਕਿਹੜੇ ਸ਼ਾਮਲ / ਬੇਦਖਲੀ ਮਾਪਦੰਡਾਂ ਨਾਲ। AI ਇਸ ਰਣਨੀਤੀ ਨੂੰ ਸੈਟ ਅਪ ਕਰਨ, ਸ਼ਰਤਾਂ ਦਾ ਵਿਸਤਾਰ ਕਰਨ ਅਤੇ ਸਕ੍ਰੀਨਿੰਗ ਪ੍ਰੋਟੋਕੋਲ ਲਿਖਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਪਰ ਇਹ ਅਸਲ ਡੇਟਾਬੇਸ ਖੋਜ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਲੇਖਾਂ ਨੂੰ ਲੱਭਦੀ ਹੈ; ਸਿਰਫ਼ ਇਸ ਲਈ ਕਿਉਂਕਿ ਮਾਡਲ ਕਹਿੰਦਾ ਹੈ ਕਿ "ਇੱਥੇ ਸੰਬੰਧਿਤ ਅਧਿਐਨ ਹਨ" ਸਕ੍ਰੀਨਿੰਗ ਦਾ ਬਦਲ ਨਹੀਂ ਹੈ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਅਧਿਐਨਾਂ ਤੋਂ ਖੁੰਝ ਸਕਦਾ ਹੈ।

ਇੱਕ ਹੋਰ ਸ਼ਕਤੀਸ਼ਾਲੀ ਅਤੇ ਸੁਰੱਖਿਅਤ ਵਰਤੋਂ ਹੈ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੇਖਾਂ ਦੀ ਸਕ੍ਰੀਨ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਨਾ: ਸੈਂਕੜੇ ਐਬਸਟਰੈਕਟਾਂ ਦੀ ਸਕ੍ਰੀਨਿੰਗ ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਕੀ ਉਹ ਤੁਹਾਡੇ ਸ਼ਾਮਲ ਕਰਨ ਦੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ ਜਾਂ ਨਹੀਂ। ਮਾਡਲ ਤੁਹਾਡੇ ਮਾਪਦੰਡ ਦੇ ਆਧਾਰ 'ਤੇ ਹਰੇਕ ਸਾਰਾਂਸ਼ ਨੂੰ "ਸੰਭਵ ਤੌਰ 'ਤੇ ਢੁਕਵਾਂ/ਅਪ੍ਰਸੰਗਿਕ" ਵਜੋਂ ਪੂਰਵ-ਵਰਗੀਕ੍ਰਿਤ ਕਰ ਸਕਦਾ ਹੈ; ਪਰ ਅਨਿਸ਼ਚਿਤ ਸਥਿਤੀਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦਾ ਅੰਤਮ ਫੈਸਲਾ ਮਨੁੱਖ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਇੱਥੇ ਦੁਬਾਰਾ, ਮਾਡਲ ਇੱਕ ਫੈਸਲਾ ਲੈਣ ਵਾਲਾ ਨਹੀਂ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰੀ-ਸਕ੍ਰੀਨਿੰਗ ਸਹਾਇਤਾ ਹੈ.

ਨਿਮਨਲਿਖਤ ਸਮਾਵੇਸ਼ ਮਾਪਦੰਡ ਦੇ ਵਿਰੁੱਧ ਹੇਠਾਂ ਦਿੱਤੇ ਲੇਖ ਦੇ ਸੰਖੇਪ ਦਾ ਮੁਲਾਂਕਣ ਕਰੋ: [ਮਾਪਦੰਡ]। "ਪ੍ਰਸੰਗਿਕ/ਅਪ੍ਰਸੰਗਿਕ/ਅਨਿਸ਼ਚਿਤ" ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਗੀਕ੍ਰਿਤ ਕਰੋ ਅਤੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਜਾਇਜ਼ ਠਹਿਰਾਓ। ਅੰਤਿਮ ਫੈਸਲਾ ਮੇਰਾ ਹੈ; ਤੁਸੀਂ ਸਿਰਫ਼ ਪੂਰਵ-ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਕਰੋ। ਸੰਖੇਪ: [text]

ਮੇਰੀ ਲਿਖਤ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਛੁਪੇ ਹੋਏ ਨਿਸ਼ਾਨ

AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਟੈਕਸਟ ਕਈ ਵਾਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਆਮ, ਦੁਹਰਾਉਣ ਵਾਲੇ, ਜਾਂ "ਠੰਢੇ ਪਰ ਖਾਲੀ" ਹੁੰਦੇ ਹਨ। ਵਿਗਿਆਨਕ ਲਿਖਤ ਵਿੱਚ ਠੋਸਤਾ ਜ਼ਰੂਰੀ ਹੈ: ਹਰ ਵਾਕ ਨੂੰ ਕੁਝ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਮਾਡਲ ਦੀ ਰੂਪਰੇਖਾ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਛੱਡਣ ਦੀ ਬਜਾਏ, ਹਰੇਕ ਪੈਰੇ ਨੂੰ ਇਸ ਸਵਾਲ ਨਾਲ ਸ਼ੁਰੂ ਕਰੋ "ਕੀ ਇਹ ਵਾਕ ਅਸਲ ਵਿੱਚ ਕੁਝ ਕਹਿੰਦਾ ਹੈ, ਜਾਂ ਕੀ ਇਹ ਭਰਨ ਵਾਲਾ ਹੈ?" ਖਤਮ ਕਰੋ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਟੈਕਸਟ ਵਿੱਚ ਕਈ ਵਾਰ ਸੂਖਮ ਗਲਤ ਸ਼ਬਦ ਜਾਂ ਆਮ ਪਰ ਗਲਤ ਸਮੀਕਰਨ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ; ਇੱਕ ਡੋਮੇਨ ਮਾਹਰ ਦੀਆਂ ਅੱਖਾਂ ਨਾਲ ਹਰੇਕ ਤਕਨੀਕੀ ਸ਼ਬਦ ਦੀ ਜਾਂਚ ਕਰੋ. AI ਇੱਕ ਵਧੀਆ ਪਹਿਲਾ ਡਰਾਫਟ ਜਨਰੇਟਰ ਹੈ; ਉਹ ਚੰਗਾ ਪਰੂਫ ਰੀਡਰ ਨਹੀਂ ਹੈ। ਅੰਤਮ ਰੀਡਿੰਗ ਹਮੇਸ਼ਾ ਤੁਸੀਂ ਹੋ.

ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਕਿਉਂ ਬਣੀਆਂ ਹਨ: ਵਿਧੀ ਨੂੰ ਸਮਝਣਾ।

ਮਾਡਲ ਦੇ ਐਟ੍ਰਬ੍ਯੂਸ਼ਨ ਫੈਬਰੀਕੇਸ਼ਨ ਨੂੰ "ਗਲਤੀ" ਦੀ ਬਜਾਏ, ਇਸਦੇ ਕੰਮ ਕਰਨ ਦੇ ਤਰੀਕੇ ਦੇ ਕੁਦਰਤੀ ਨਤੀਜੇ ਵਜੋਂ ਦੇਖਣਾ, ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨਾ ਆਸਾਨ ਬਣਾਉਂਦਾ ਹੈ। ਸਿਖਲਾਈ ਦੌਰਾਨ, ਮਾਡਲ ਲੱਖਾਂ ਅਸਲ ਬਾਈਲਾਈਨਾਂ ਦੇ ਪੈਟਰਨ ਨੂੰ ਸਿੱਖਦਾ ਹੈ: ਲੇਖਕ ਦੇ ਨਾਮ ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਜਰਨਲ ਦੇ ਨਾਮਾਂ ਦਾ ਫਾਰਮੈਟ, DOI ਦੀ ਬਣਤਰ। ਜਦੋਂ ਇੱਕ ਹਵਾਲਾ ਮੰਗਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਅਸਲ ਰਿਕਾਰਡ ਨੂੰ "ਵੇਖੋ" ਨਹੀਂ ਕਰਦਾ; ਇਹ ਇੱਕ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਮੰਨਣਯੋਗ ਟੈਗ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਉਸ ਪੈਟਰਨ ਨੂੰ ਫਿੱਟ ਕਰਦਾ ਹੈ ਜੋ ਇਸ ਨੇ ਸਿੱਖਿਆ ਹੈ। ਇਸ ਲਈ ਨਤੀਜਾ ਬਹੁਤ ਯਥਾਰਥਵਾਦੀ ਦਿਖਦਾ ਹੈ ਪਰ ਅਸਲ ਨਹੀਂ ਹੋ ਸਕਦਾ; ਉਹ ਉਸ ਲੇਖ ਵਿੱਚ ਇੱਕ ਅਸਲੀ ਲੇਖਕ ਦਾ ਨਾਮ ਵੀ ਸ਼ਾਮਲ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਉਸਨੇ ਕਦੇ ਨਹੀਂ ਲਿਖਿਆ। ਇੱਕ ਵਾਰ ਜਦੋਂ ਤੁਸੀਂ ਇਸ ਵਿਧੀ ਨੂੰ ਸਮਝ ਲੈਂਦੇ ਹੋ, ਤਾਂ ਨਿਯਮ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ: ਮਾਡਲ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਕਿਸੇ ਵੀ ਪਛਾਣਕਰਤਾ ਨੂੰ ਉਦੋਂ ਤੱਕ ਮੌਜੂਦ ਨਹੀਂ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਇਸਨੂੰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਨਹੀਂ ਦੇਖਦੇ। ਦਸਤਾਵੇਜ਼-ਨਿਰਭਰ ਸਾਧਨ (ਜਿੱਥੇ ਤੁਸੀਂ ਅਸਲ ਟੈਕਸਟ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋ) ਇਸ ਜੋਖਮ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ ਕਿਉਂਕਿ ਮਾਡਲ ਫਿਟਿੰਗ ਦੀ ਬਜਾਏ ਤੁਹਾਡੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਟੈਕਸਟ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ; ਪਰ ਫਿਰ ਵੀ ਜਾਂਚ ਕਰੋ ਕਿ ਹਵਾਲਾ ਅਸਲ ਵਿੱਚ ਉਸ ਟੈਕਸਟ ਵਿੱਚ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

AI ਸਾਹਿਤ ਖੋਜ ਵਿੱਚ ਸਰੋਤ ਨਹੀਂ ਲੱਭਦਾ (ਬਣਾਉਦਾ) ਹੈ, ਪਰ ਇਹ ਤੁਹਾਡੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਅਸਲ ਲੇਖਾਂ ਦਾ ਸਾਰ ਦਿੰਦਾ ਹੈ, ਇੱਕ ਖੋਜ ਰਣਨੀਤੀ ਬਣਾਉਂਦਾ ਹੈ, ਅਤੇ ਤੁਹਾਡੀ ਲਿਖਤ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਂਦਾ ਹੈ। ਸਭ ਤੋਂ ਵੱਡਾ ਖ਼ਤਰਾ ਮੇਕ-ਅੱਪ ਐਟਰੀਬਿਊਸ਼ਨ ਹੈ; ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਹਰੇਕ ਬਾਈਲਾਈਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਸਿਰਫ਼ ਉਹਨਾਂ ਸਰੋਤਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ ਤੁਸੀਂ ਪੜ੍ਹੇ ਹਨ। ਵਿਗਿਆਨਕ ਦਾਅਵੇ, ਨੰਬਰ ਅਤੇ ਹਵਾਲੇ ਤੁਹਾਡੇ ਤੋਂ ਆਉਂਦੇ ਹਨ; AI ਸਿਰਫ ਭਾਸ਼ਾ ਅਤੇ ਵਿਵਸਥਾ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਦਾ ਹੈ। ਵਰਤੋਂ ਨੂੰ ਪਾਰਦਰਸ਼ੀ ਢੰਗ ਨਾਲ ਘੋਸ਼ਿਤ ਕਰੋ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਲੇਖ ਜੋ ਤੁਸੀਂ ਅਸਲ ਵਿੱਚ ਪੜ੍ਹਦੇ ਹੋ (ਸਾਰ ਜਾਂ ਪੂਰਾ ਟੈਕਸਟ) ਨਕਲੀ ਬੁੱਧੀ ਨੂੰ ਦਿਓ ਅਤੇ ਇੱਕ ਢਾਂਚਾਗਤ ਸੰਖੇਪ (ਪ੍ਰਸ਼ਨ, ਵਿਧੀ, ਖੋਜ, ਸੀਮਾ) ਬਣਾਓ। ਇਹ ਦੇਖਣ ਲਈ ਕਿ ਕੀ ਮਾਡਲ ਨੇ ਕੁਝ ਜੋੜਿਆ ਹੈ ਜਾਂ ਵਿਗਾੜਿਆ ਹੈ, ਸਰੋਤ ਟੈਕਸਟ ਨਾਲ ਸੰਖੇਪ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਵੱਖਰੇ ਤੌਰ 'ਤੇ, ਉਸੇ ਵਿਸ਼ੇ 'ਤੇ ਸਰੋਤਾਂ ਦੀ ਸੂਚੀ ਲਈ ਮਾਡਲ ਨੂੰ ਪੁੱਛੋ; PubMed 'ਤੇ ਦਿੱਤੀ ਹਰ ਬਾਈਲਾਈਨ ਦੀ ਖੋਜ ਕਰੋ ਅਤੇ ਗਿਣਤੀ ਕਰੋ ਕਿ ਕਿੰਨੇ ਅਸਲੀ ਹਨ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਨੂੰ PubMed/Scholar ਵਿੱਚ ਸਰੋਤ ਮਿਲੇ, ਮੈਂ ਉਹਨਾਂ ਨੂੰ ਮਾਡਲ ਦੇ ਅਨੁਕੂਲ ਨਹੀਂ ਬਣਾਇਆ।
• [ ] ਮੈਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਹਰੇਕ ਹਵਾਲੇ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
• [ ] ਮੈਂ ਐਬਸਟਰੈਕਟ ਦੀ ਤੁਲਨਾ ਸਰੋਤ ਟੈਕਸਟ ਨਾਲ ਕੀਤੀ।
• [ ] ਮੈਂ ਖੁਦ ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ ਅਤੇ ਨੰਬਰ ਪ੍ਰਦਾਨ ਕੀਤੇ ਹਨ।
• [ ] ਮੈਂ ਸਿਰਫ ਉਹਨਾਂ ਸਰੋਤਾਂ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਜੋ ਮੈਂ ਪੜ੍ਹਿਆ ਹੈ।
• ਮੈਂ ਪਾਰਦਰਸ਼ੀ ਤੌਰ 'ਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਦਾ ਐਲਾਨ ਕੀਤਾ ਹੈ।