Recoge una solicitud antificticia. Devuelve JSON {"question":"...","anti_fake_rules":"...","red_flags":"..."}. question—pregunta de investigación; anti_fake_rules - 3-5 reglas en la solicitud que reducen la ficción (por ejemplo: marcar la confianza, separar los hechos de las suposiciones, escribir "No sé" en lugar de una suposición); red_flags - 2-4 signos por los que sospechas de una alucinación en la respuesta.
Mecánica: la red neuronal no miente a propósito: completa el texto más plausible. Si no hay suficientes datos, lo verosímil y lo correcto divergen: el resultado es una pura invención: un estudio inexistente, una cifra inventada, una cita falsa. Es especialmente peligroso si el tono es confiado. Palancas en la petición. Permitir la ignorancia: “si no estás seguro, escríbelo, no lo inventes”. Niveles separados: “marque dónde está el hecho con la fuente y dónde está su suposición”. Requerir verificabilidad: citas precisas y enlaces que se puedan abrir. Técnica de percepción: Pídale al modelo que califique su propia confianza para cada afirmación clave (alta/media/baja) y explique en qué se basa. La baja confianza es una señal de alerta, mire allí primero. La segunda técnica: hacer una pregunta de control: preguntar por un hecho que refute la conclusión. Si el modelo no puede, la conclusión puede ser forzada. Señales de alerta: números perfectos y redondos, referencias sin nombres ni fechas específicas, citas que no se pueden encontrar, respuesta a una pregunta limitada sin un solo "depende de". Un error común: confiar en un tono confiado. La confianza de un modelo no dice nada acerca de tener razón.
Desbloquee el acceso para enviar soluciones para una revisión instantánea de la IA.