Inception: Mercury Decide

Mercury Decide er Inceptions model til strukturerede beslutninger over indsendt evidens. Den kombinerer en fælles tilstand med navngivne spørgsmål og returnerer typede svar med sandsynligheder. Resultatet kan være en valgt kategori, en estimeret ja/nej-sandsynlighed eller en placering på en defineret skala. Denne profil leverer en afgrænset beslutning, som software kan fortolke; dens dokumenterede grænseflade genererer ikke et frit formuleret chatsvar.

Fælles tilstand og meningsfulde spørgsmålsnavne

Producentens anmodning indeholder en model, en tilstand og en ikke-tom mapping af spørgsmål. Spørgsmålsnavnene bevares i svarmappingen. Indsend den information, der er nødvendig for at vurdere hvert spørgsmål, og navngiv spørgsmålene efter de resultater, arbejdsgangen bruger, såsom category, priority eller needs_follow_up. Flere spørgsmål vurderer samme evidens uafhængigt. At de placeres i én anmodning, gør ikke et senere spørgsmål afhængigt af et tidligere svar.

Inceptions eksempel bruger et JSON-objekt til tilstanden. Vejledningen tillader også strenge, objekter eller arrays i tilstanden, instruktionerne og kriteriebeskrivelserne, og instruktionerne kan udelades eller være null. Bevar nyttig struktur, når evidensen allerede består af felter, og hold et dokument eller en besked identificerbar, når du indsender tekst. Ved en supportsag skal du medtage den faktiske anmodning og relevante fakta frem for en anmodning om at udlede manglende kontekst.

Noul: et estimeret positivt svar

Et noul-spørgsmål repræsenterer en ja/nej-betingelse. Outputtet er en sandsynlighed fra 0 til 1 for, at det positive svar gælder. Valgfrie true- og false-beskrivelser kan angive, hvad der tæller på hver side af spørgsmålet. Spørg eksempelvis, om en besked udtrykkeligt anmoder om en erstatningsvare, og skeln dette fra en generel klage over varen. Sandsynligheden leverer en numerisk vurdering; applikationen vælger tærsklen og den resulterende handling i arbejdsgangen.

Hold betingelsen tilstrækkeligt snæver til, at evidensen kan afgøre den. Hvis ét spørgsmål blander, om brugeren ønsker hjælp, om en vare er defekt, og om sagen er akut, skal betingelserne adskilles. Bevar den returnerede sandsynlighed sammen med spørgsmålsdefinitionen, så en senere kontrollant kan se, hvad tallet faktisk måler.

Choice: valg af én navngiven svarmulighed

Et Choice-spørgsmål bruger en mapping af ét til 255 svarmulighedsnavne og beskrivelser; beskrivelser kan være null. Det returnerede valg er den indsendte mulighed med højest sandsynlighed. Resultatet indeholder også en sandsynlighed for hver mulighed og konfidens. Definér særskilte betydninger for kategorierne, og medtag en reservekategori, når nogle input vil ligge uden for de specifikke svarmuligheder. Korte outputnøgler kan identificere kategorier, mens mere udførlige beskrivelser fastlægger grænserne mellem dem.

Et routingoplæg kan skelne mellem et adgangsproblem, et produktspørgsmål og en rapporteret fejl. Angiv betydningen af hver svarmulighed, og indsend den besked, som skal routes. Outputtet er en valgt kategori med en fordeling, ikke en instruktion, der allerede har ændret en kø eller kontaktet et andet system. Undersøg konkurrerende sandsynligheder, når en sag er tvetydig, frem for at fortolke vinderetiketten som bevis for sikkerhed.

Score: en forventet placering i en vurderingsrubrik

Et Score-spørgsmål bruger et ordnet array af én til ti niveaubeskrivelser, begyndende ved niveau 0. Dets score er det sandsynlighedsvægtede gennemsnit af niveauindeksene og kan ligge mellem niveauer. Svaret indeholder tegnforklaringen, sandsynligheder pr. niveau og konfidens. Definér rækkefølgen og kriterierne for hvert niveau, såsom ingen umiddelbar påvirkning, et problem med et brugbart alternativ og en fuldstændigt blokeret opgave.

En forventet score med decimaler er nyttig til prioritering eller aggregering. Den er forskellig fra at vælge det ene mest sandsynlige niveau. Gem tegnforklaringen sammen med tallet, så en score ikke fortolkes på en uvedkommende skala. Konfidens for Choice og Score rapporteres separat mellem 0 og 1; den relevante vejledning definerer den ikke som identisk med den højeste sandsynlighed for en svarmulighed og angiver ikke en universel formel til at genskabe den.

Forbered et nyttigt beslutningsresultat

Ét stykke evidens kan understøtte uafhængige spørgsmål om kategori, hast og betingelser. En dokumentgennemgangsopgave kan spørge, om et påkrævet emne er til stede, vælge dets kategori og vurdere dets relevans på beskrevne niveauer. Brug kun kildemateriale, som er tilgængeligt i tilstanden, med kriterier knyttet til den beslutning, arbejdsgangen har brug for som den næste. Hvis en handling kræver et tidligere resultat, skal dette resultat gøres eksplicit i evidensen til næste trin frem for at antage, at spørgsmålene danner en skjult sekvens.

Svaret returnerer modelnavnet og en answers-mapping med de indsendte spørgsmålsnavne som nøgler. Choice-sandsynligheder bruger svarmulighedernes navne; Score-sandsynligheder bruger strengindeks, som forklares i tegnforklaringen. Bevar tilknytningen mellem tilstandsidentifikatoren, spørgsmålsdefinitionerne og de typede svar. Det giver et fortolkeligt klassifikations- eller vurderingsresultat frem for et tal løsrevet fra de fakta, der frembragte det.

Grænsefladens omfang og grænser

Inception dokumenterer Mercury Decide via sin særskilte beslutningsgrænseflade. Modellen understøtter ikke producentens grænseflader til chat-completion, streaming eller værktøjskald, så evner fra Mercurys profiler til ræsonnement, stemme og kodegenerering bør ikke overføres til denne model. Beslutningsvejledningen specificerer antallet af svarmuligheder og niveauer, men angiver ingen numerisk tokengrænse for tilstanden eller øvre grænse for antallet af spørgsmål; hold den fælles evidens fokuseret på de spørgsmål, der vurderes.

Vurdér sandsynligheder og kategorigrænser på repræsentativt mærket materiale fra den tilsigtede opgave. Gennemgå grænsetilfælde ud fra tilstanden, og bevar manglende information som manglende frem for at erstatte den med opfundne fakta. Et nyttigt Mercury Decide-resultat giver en lukket beslutning, dens sandsynligheder og de definitioner, der kræves for at forstå den; den omgivende applikation afgør, hvordan resultatet bliver til routing, prioritering eller et gennemgangsudfald.