Có những câu hỏi không thuộc về nó

Sau khi dùng, những câu không thuộc về nó là lời giải thích, câu trả lời để người đọc, nghĩ một cái tên trong tập mở, và giữ một vết suy luận. Cái vẫn thuộc về nó là có-không đóng, hạng mục, mức, và có nâng cấp không.

Folkbench folkbench.com

Đồng tác giả: folkbench.com (Folkbench là nền tảng đánh giá và lựa chọn có thể kiểm chứng cho API AI, dịch vụ mô hình và các trang liên quan. Nền tảng dựa trên thông tin dịch vụ đã công bố, giá, độ sẵn sàng, độ trễ và cửa sổ bằng chứng để giúp người dùng so sánh và chọn một đường đi.)

Nhóm này gồm mười bài:

Sau khi dùng, điều tôi rõ nhất không phải Jev làm được gì. Là những loại lời nào tôi không nên hỏi nó.

Tôi lấy nó làm một khớp, không làm một cái miệng. Bản năng chỉ trả lời được những câu mà bản năng trả lời được. Cái phải trải ra, hoặc cái phải bày suy luận ra cho người thấy, thì hỏi Jev là hỏi sai đối tượng. Nói một việc cho người đến hết cũng là hỏi sai. Nó không có chuỗi. Hỏi, thì không có chỗ để đặt câu trả lời.

Cái tôi không nên hỏi

Nếu bạn cũng đang chuyển từ một mô hình chat sang, những thứ dễ hỏi sai nhất là các loại bên dưới.

Tôi không nên hỏi nó giải thích vì sao. Thói tôi mang từ chat sang là mở miệng bằng cách bảo nó giải thích. Thói đó không chạy trên nó. Khi tôi bảo nó giải thích, cái đến chỉ là một phán đoán. Một lý do phải viết thành câu. Nó không viết được. Phần trả về không có chữ “vì”. Nếu ai đó cần thấy nguyên nhân đến bằng cách nào, nó không đưa được. Nếu tôi thực sự cần một đoạn lý do, tôi tự viết, hoặc tôi hỏi một mô hình biết nói, và bảo nó viết từ phán đoán đã có.

Tôi đã hỏi nó, sai, viết một câu trả lời để người đọc. Cái phải gửi đi là một đoạn. Câu nào đến trước, và giọng nặng đến mức nào, sống trong chữ. Cái nó đưa là các lựa chọn và xác suất. Những cái đó không đúng với đoạn phải gửi. Xác suất cao đến đâu, cái trả về vẫn là một trong các mục tôi đã đưa từ trước, không phải một đoạn nó viết bây giờ. Sau này tôi đảo thứ tự. Nó chỉ phán thứ này thuộc loại nào, và bước này có nên nâng cấp không. Các câu giao cho một mô hình chat, hoặc tôi tự viết.

Tôi đã bảo nó tự nghĩ một cái tên trong một tập mở. Tên dùng được thì nhiều, và chỉ một lát nhỏ được viết vào câu hỏi. Nó chỉ chọn giữa các mục tôi đã đưa. Cái không nằm trong các mục, nó không sản xuất được. Nếu chính tôi không nêu được các ứng viên, thì chưa đến lượt nó. Tôi thu hẹp bằng quy tắc trước, hoặc tôi kéo một nắm nhỏ ra bằng truy xuất, rồi tôi đóng câu hỏi. Sau này tôi đổi việc đặt tên thành thế này: tôi tự chốt vài ứng viên, rồi để nó chọn. Một cái hoàn toàn mới ngoài danh sách, tôi để cho bước biết nói.

Còn một loại trông như việc nặng đáng giao cho một mô hình. Chứng cứ phải lật đi lật lại, và suy luận phải được giữ. Các tài liệu đẩy vào nhau. Bạn muốn nó chọn một phía, và bạn cũng muốn nó giữ cách sự ăn nhau được làm ra. Nó không có cái qua lại đó. Một request là một phán đoán nhanh từ cái tôi đặt vào state. Quá trình không thành chữ để lật. Cái qua lại tôi nói thường là một kết luận phụ thuộc trang sau, và trang đó chưa ở trong state. Tôi đặt sự phụ thuộc đó vào mã. Hỏi một phán đoán đóng trước, rồi tôi đi lấy chứng cứ, và khi nó về tôi đổi state rồi hỏi lại. Chuỗi trang nào được xem trước, và cái gì bị loại, nó không viết được. Nếu một vết phải được giữ, tôi giao cho một mô hình biết nói.

Cái tôi nên hỏi

Cái tôi nên hỏi, bây giờ tôi chỉ nhận vài hình. Có phải loại này không, tôi hỏi thẳng. Các hạng mục phải là những hạng mục tôi đã chốt từ trước, và nó chỉ phải chỉ một cái. Mức nghiêm trọng, tôi không để nó báo một số nhỏ. Tôi vạch các mức, và tôi để nó nói rơi vào mức nào. Nâng cấp, bước này có nên giao cho người không, cũng là một câu hỏi đóng, và tôi hỏi trong cùng một lượt. Một hình ngoài những cái này, tôi không nhét vào nó.

Tôi còn giữ một thước thô. Nếu một người hiểu việc chỉ được, bằng bản năng, trong lúc nhìn state này, thì nó trông như câu của nó. Nếu cái chỉ vẫn cần một suy diễn dài, tôi giao thẳng cho một mô hình biết nói.

Tôi chuẩn bị state. Tôi đóng câu hỏi. Tôi chọn các trường đi vào ngữ cảnh, và tôi không mang cái không liên quan đến câu này. Biên của các lựa chọn và các mức được viết trong câu hỏi, không viết ở chỗ tôi hy vọng nó sẽ ứng biến. Nó không chịu trách nhiệm làm tròn một câu hỏi mở, và nó không lật trang tài liệu sau cho tôi. Lật một trang, thì state đã đổi. Đó là request kế tiếp, và tôi vẫn phải chuẩn bị nó.

Tôi đã giẫm một câu chưa đóng tốt. Phân bố phẳng ra. Vài lựa chọn chen nhau, và không cái nào nhô một đầu. Lúc đầu tôi coi đó là nó chậm. Không phải. Tôi đã đưa cho một khớp cái piston của một cái miệng. Các lựa chọn chồng lên nhau, hoặc một tình huống sẽ thực sự xảy ra không được viết vào danh sách, và xác suất chỉ có thể tản. Khi đó thì đổi câu, hoặc giao bước lại cho một mô hình biết nói. Đổi câu nghĩa là gộp các mục chồng nhau, và đưa cho trường hợp chưa phủ một chữ “không cái nào trong số này”. Giao lại nghĩa là để mô hình biết nói nói rõ tình huống trước, rồi tôi quyết có đóng lại không. Đừng cứ chỉnh nó. Khi câu vẫn mở, phân bố vẫn tản.

Choice và Score

Tôi cố không đổ Choice đầy đến 255. Trần chính thức là 255. Qua mức đó, chính họ cũng phải chấm trước rồi mới chọn, và nó cũng chậm hơn. 255 không phải một số tôi ở đây để lấp. Tôi càng liệt các trường hợp mép thành lựa chọn, câu càng trông như một danh sách chưa từng đóng. Nếu câu của tôi tự nhiên có hàng trăm lối ra, tôi hỏi trước xem quy tắc có cắt được ứng viên không, và truy xuất có cắt được không. Một nắm nhỏ không có số cố định. Tôi vẫn phân được, trong một cái liếc, các mục này khác nhau thế nào, và chỉ khi đó nhát cắt mới đủ xa. Nếu một cái liếc không phân được, tôi đang gửi request quá sớm. Cắt còn một nắm nhỏ, rồi tôi đem đi chọn.

Tôi coi Score là các mức có thứ tự, không phải một số thập phân chính xác liên tục. Khi tôi viết câu, tôi thường vạch các mức từ 2 đến 10. Cái tôi muốn là một mức, không phải một độ chính xác giả như 7.63. Tôi viết các mức bằng lời thường. Mức này và mức kế có được xử lý khác không, tôi nghĩ trước. Nếu có, tôi tách chúng. Nếu cả hai mức cuối cùng kích hoạt cùng một đoạn mã, tôi gộp thành một mức. Không nhánh nào trong mã đang chờ hai chữ số sau dấu thập phân. Đôi khi nó rơi một số giữa hai mức, và tôi vẫn đọc nó như một mức, với ngưỡng viết trong mã. Nếu nghĩa của một mức không viết rõ được, tôi đổi mô tả của mức. Tôi không móc cái số thập phân.

Trong lúc xem các demo

Tôi đã xem demo Doom chính thức và cuộc đua Wikipedia, và tôi không dùng chúng để kết luận các câu của mình. Xem Doom, tôi dễ bị màn hình cuốn đi. Màn hình trông như một trò đang được chơi. Cái đi vào là state có cấu trúc, không phải hình. Phía Doom quy mô khoảng 10 truy vấn một giây, khoảng $7 một giờ. Quy mô đó chỉ cho thấy một khớp thời gian thực đứng được, và một vòng lặp quay được ở mật độ đó. Nó không cho thấy nó chơi được trò. Hình không bị ăn vào. Bước kế tiếp là mã bên ngoài, hỏi bằng state.

Cuộc đua Wikipedia cho thấy chọn liên kết ở cardinality cao thì có ích. Nó không cho thấy nó duyệt web giỏi hơn một mô hình biết suy luận. Dưới phép so không suy luận, nó đi ít bước hơn. Đó là vì bên kia không bật suy luận, nên phần trình diễn trông đẹp hơn. Bật suy luận, thì phần trình diễn kém đẹp. Số bước đổi, và ai nhanh hơn cũng đổi. Tôi sẽ không mang “ít bước hơn” về tác vụ của mình và coi đó là giỏi tìm đường hơn. Đường có đi tiếp không, và dừng ở đâu, vẫn do chương trình bên ngoài quyết. Tôi lấy điều này là: đừng phán mọi thứ từ một đồ chơi. Một phần trình diễn có dễ xem không không quyết, với tôi, câu nào tôi nên hỏi tiếp.

Khi tôi tự dùng, sự tách thì khá cứng. Cái vét hết được, và điều kiện ổn định, tôi vẫn viết thành quy tắc. Tôi không đi hỏi nó. Cái bản năng trả lời được trong một cái chỉ, đó là lúc tôi hỏi nó. Trước khi hỏi, câu phải đóng, và tôi phải chuẩn bị được state. Khi đến lúc mở ra và nói nội dung, tôi giao cho một mô hình chat. Hỏi sai việc, thì sự chậm và chi phí là vấn đề của tôi.

Nguồn

Nhóm bài