Thu thập một yêu cầu chống hư cấu. Trả về JSON {"question":","anti_fake_rules":","red_flags://..."}. question—câu hỏi nghiên cứu; anti_fake_rules - 3-5 quy tắc trong yêu cầu giảm bớt sự hư cấu (ví dụ: đánh dấu sự tự tin, tách sự thật khỏi giả định, viết “Tôi không biết” thay vì đoán); red_flags - 2-4 dấu hiệu mà bạn nghi ngờ câu trả lời là ảo giác.
Cơ học: mạng lưới thần kinh không cố ý nói dối - nó hoàn thành văn bản hợp lý nhất. Nếu không có đủ dữ liệu, thì cái hợp lý và cái đúng sẽ khác nhau: kết quả là một sự bịa đặt suôn sẻ - một nghiên cứu không tồn tại, một con số bịa đặt, một trích dẫn sai sự thật. Nó đặc biệt nguy hiểm nếu giọng điệu tự tin. Đòn bẩy trong yêu cầu. Cho phép sự thiếu hiểu biết: “nếu bạn không chắc chắn, hãy viết nó ra, đừng bịa đặt”. Các cấp độ riêng biệt: “đánh dấu đâu là sự thật bằng nguồn và đâu là giả định của bạn.” Yêu cầu có thể kiểm chứng: các trích dẫn và liên kết chính xác có thể mở được. Kỹ thuật hiểu biết sâu sắc: Yêu cầu người mẫu đánh giá mức độ tự tin của chính cô ấy đối với từng tuyên bố chính (cao/trung bình/thấp) và giải thích điều đó dựa trên điều gì. Độ tin cậy thấp là một lá cờ đỏ, hãy nhìn vào đó trước. Kỹ thuật thứ hai: đặt câu hỏi kiểm soát - hỏi một sự thật có thể bác bỏ kết luận. Nếu mô hình không thể thực hiện được thì kết luận có thể bị kéo dài. Cờ đỏ: làm tròn số hoàn hảo, tài liệu tham khảo không có tên hoặc ngày cụ thể, không thể tìm thấy trích dẫn, trả lời cho một câu hỏi hẹp mà không có một từ “phụ thuộc vào”. Một sai lầm phổ biến: tin tưởng vào giọng điệu tự tin. Sự tự tin của người mẫu không nói lên điều gì về việc mình đúng.
Mở khóa quyền truy cập để gửi giải pháp nhằm đánh giá AI ngay lập tức.