アンチフィクションのリクエストを集めます。 JSON {"question":"...","anti_fake_rules":"...","red_flags":"..."} を返します。 question—研究上の質問。 anti_fake_rules - フィクションを減らすリクエスト内の 3 ～ 5 つのルール (例: 確信を示す、事実を仮定から区別する、推測の代わりに「わかりません」と書く)。 red_flags - 回答の中で幻覚を疑う兆候が 2 ～ 4 つあります。
力学: ニューラル ネットワークは意図的に嘘をつきません。最ももっともらしいテキストを完成させます。十分なデータがなければ、もっともらしいことと正しいことは乖離します。結果は、存在しない研究、でっち上げられた数字、虚偽の引用といった滑らかな捏造になります。自信に満ちた口調の場合は特に危険です。リクエストのレバー。無知を許す: 「確信が持てない場合は、でっち上げずに書き留めてください。」レベルを分ける: 「情報源のどこに事実があり、どこにあなたの仮定があるかをマークします。」検証可能性が必要です: 正確な引用と開くことができるリンク。洞察テクニック: モデルに、主要なステートメントごとに自分自身の自信を評価 (高/中/低) してもらい、その根拠を説明してもらいます。信頼性が低い場合は危険信号です。まずそこを確認してください。 2 番目のテクニック: コントロールの質問をする - 結論に反論する事実を尋ねます。モデルがそれをサポートできない場合、結論は拡大解釈される可能性があります。危険信号: 丸め完全な数値、特定の名前や日付のない参考文献、見つからない引用、「依存する」が 1 つも含まれていない狭い質問への回答。よくある間違い：自信に満ちた口調を信頼してしまうことです。モデルの自信は、正しいかどうかについては何も語ません。
アクセスのロックを解除して、AI による即時レビューのためにソリューションを送信します。