Ontdek hoe je deze redenering kunt testen. Retourneer JSON {"assumptions 'welke verborgen aannames eruit moeten worden gehaald', 'weak_step 'welke stap eerst moet worden gecontroleerd en hoe', 'test 'een specifieke manier om te dubbelchecken (voorbeeld, cijfers, tegenvoorbeeld)'}
De hoofdregel: vloeiende tekst is niet hetzelfde als correcte tekst. Het vertrouwen van een model is een stijl van spreken, geen bewijs. Laten we het stap voor stap bekijken. Ten eerste: haal de verborgen aannames eruit - waarop de conclusie is gebaseerd (wat is het tarief, wat is het tijdsbestek, dat het inkomen stabiel is). Ten tweede: bereken de sleutelstap zelf opnieuw of gebruik een klein voorbeeld met priemgetallen. Ten derde: vraag om een tegenvoorbeeld – een situatie waarin de conclusie mislukt. Ten vierde: controleer of uw concepten gaandeweg zijn veranderd. De eerste techniek: vraag het model om “haar eigen antwoord te bekritiseren” of speel een advocaat voor de tegenpartij - dit zal de gaten onthullen die ze in de defensieve modus verborg. De tweede truc ligt niet voor de hand: vervang extreme waarden - nul, een heel groot getal. Als de conclusie niet klopt, is de logica kwetsbaar en berust deze op handige aannames. Een typische fout voor een beginner is om een zelfverzekerde toon aan te slaan voor de waarheid: hoe vloeiender het antwoord klinkt, hoe zorgvuldiger je moet zoeken naar waar precies de spanning verborgen zit.
Ontgrendel toegang om oplossingen in te dienen voor onmiddellijke AI-beoordeling.