소설에 관한 요청을 수집하세요. JSON {"question":"...","anti_fake_rules":"...","red_flags":"..."}을 반환합니다. question—연구 질문; anti_fake_rules - 요청에 허구를 줄이는 규칙 3~5개(예: 신뢰도 표시, 가정과 사실 분리, 추측 대신 '모르겠어요'라고 기재) red_flags - 답변에서 환각을 의심하는 2-4개의 징후.
역학: 신경망은 의도적으로 거짓말을 하는 것이 아니라 가장 그럴듯한 텍스트를 완성합니다. 데이터가 충분하지 않으면 그럴듯한 것과 올바른 것이 갈라집니다. 결과는 존재하지 않는 연구, 꾸며낸 수치, 잘못된 인용 등 순조로운 제작입니다. 톤이 자신감이 있다면 특히 위험합니다. 요청의 레버. 무지를 허용하십시오: "확실하지 않다면, 꾸며내지 말고 적어 두십시오." 별도의 수준: "출처를 통해 사실이 어디에 있는지, 가정은 어디에 있는지 표시하세요." 검증 가능성 요구: 정확한 인용 및 열 수 있는 링크. 통찰 기법: 모델에게 각 핵심 진술에 대한 자신의 신뢰도(높음/보통/낮음)를 평가하고 그 근거가 무엇인지 설명하도록 요청합니다. 낮은 신뢰도는 위험 신호입니다. 먼저 그곳을 살펴보세요. 두 번째 기술: 통제 질문을 하세요. 결론을 반박할 수 있는 사실을 물어보세요. 모델이 그럴 수 없다면 결론이 확장될 수 있습니다. 위험 신호: 반올림 완전수, 특정 이름이나 날짜가 없는 참조, 찾을 수 없는 인용, 단일 "의존"이 없는 좁은 질문에 대한 답변. 흔한 실수: 자신감 있는 어조를 신뢰하는 것입니다. 모델의 자신감은 옳다는 것과는 아무런 관련이 없습니다.
즉각적인 AI 검토를 위해 솔루션을 제출할 수 있는 액세스 권한을 잠금 해제하세요.