捏造に対して要求を出します。 JSON を返す {"prompt":"...","rules":[...],"why_works":"..."}: prompt — AI へのリクエストのテキスト。 rules — リクエストに組み込まれた、無知な場合の行動ルール。 why_works - これによりファッジが減少する理由を簡単に説明します。 JSON のみを返し、周囲のテキストは返しません。
メカニズム: デフォルトでは、モデルはデータがない場合でも「支援しようと努め」、テキストを続行します。沈黙というオプションはありそうもありません。これは、知らないという許可が明示的に与えられなければならないことを意味します。即効性のあるテクニック: (1) 直接指導 - 「わからない場合は、正直に『わかりません』と言って、でっち上げないでください」。 (2) 出典の要件 - 「出典を明記できる事実のみを示し、残りは仮定としてマークする」。 (3) 分離—「検証された事実を推測から分離する」。インサイダー: モデルにその信頼度をパーセンテージで推定し、正確に何がわからないかを説明するように依頼します。これにより、タスクが「答えを与える」から「信頼性を評価する」に変わるため、自信に満ちた捏造が大幅に減少します。 2 番目のトリック: 組み込まれた仮定を使わずに質問を組み立てる - 「法則 X は存在しますか?」 「法則 X を再説明する」のではなく、そうでない場合、モデルは存在しないものを確認することになります。典型的な間違いは、「誤解しないでください」という丁寧な言葉が機能すると信じていることです。私たちは、正確さを求めるのではなく、無知に直面したときの行動についての特定のルールを必要とします。
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。