Подведем черту: что заслуживает степени LLM, а что нет

Три вопроса, которые я использую, чтобы решить, что останется детерминированным Часть 2 текущего эксперимента: создание агента поддержки на базе LLM с детерминированными границами. Сопутствующий репозиторий растет вместе с серией. Каждая функция ИИ достигает одной и той же развилки. Этот фрагмент здесь — у него есть модель или метод? Если вы ошибетесь в одном направлении, вы создадите машину правил, которая не сможет прочитать предложение. Если пойдет не так, то языковая модель будет решать, вернет ли кто-то свои деньги. «ИИ интерпретирует намерения, программное обеспечение обеспечивает соблюдение политики» — легко сказать — это принцип, с которого началась эта серия статей. Применить его к конкретному компоненту в конкретный вторник — сложная задача. Этот пост — линейка, которую я использую для этого. Три вопроса Для каждого компонента по порядку: Является ли ответ фактом или суждением? Факты («был ли оплачен заказ?») имеют один правильный ответ. Суждения («звучит ли это сообщение гневным?») допускают несколько оправданных. Сколько стоит неправильный ответ? Ничего (неуклюжее предложение), неудобства (неправильная статья базы знаний) или деньги и доверие (возврат денег не тому человеку). Может ли тест сегодня дать правильный ответ? Не «в конце концов» — можете ли вы сейчас написать утверждение с фиксированным выводом? блок-схема LR