LiquidAI: d1

d1 er Liquid AI’s hostede beslutningsmodel til afgrænsede klassifikations-, routing- og scoringsopgaver. Denne profil dækker dens tekstbaserede beslutningsarbejdsgang: Indsend evidensen som en tilstand, definér ét eller flere spørgsmål, og modtag typede numeriske svar over kendte udfald. Liquid beskriver beslutningerne som evalueringer, der returnerer sandsynligheder direkte med nul genererede outputtokens. Det nyttige resultat er en defineret beslutning og dens usikkerhed frem for en nykomponeret tekstpassage.

Forbered evidens og spørgsmål sammen

Indsend den tekst, der gør beslutningen mulig, inklusive den kontekst, der er nødvendig for at fortolke den. Hold tilstanden adskilt fra instruktionerne, som beskriver, hvad der skal vurderes. En supportbesked kan have brug for en produkt- eller problembeskrivelse; en dokumentpassage kan have brug for brugerens søgespørgsmål. Definér svarsættet, før du stiller spørgsmålet, og giv hver svarmulighed en betydning, der passer til den tilsigtede arbejdsgang. Korte etiketter kan fungere som stabile outputnøgler, mens beskrivelser forklarer grænserne mellem dem.

Brug navngivne spørgsmål over en fælles tilstand. Et tydeligt navn som intent, urgency eller relevant holder outputtet knyttet til den beslutning, det repræsenterer. En besked om, at en side fejler, kan eksempelvis understøtte et hensigtsvalg, en vurderingsrubrik for hast og en ja/nej-kontrol af en rapporteret fejl. Hvert spørgsmål bør bevare sit eget kriterium frem for at kombinere alle tre vurderinger i én tvetydig etiket.

Choice til kategorier og routing

Et choice-spørgsmål vælger én etiket fra et uordnet sæt og returnerer fordelingen over de navngivne svarmuligheder. Definér svarmulighederne via kriteriebeskrivelser; resultatet indeholder det valgte svar, sandsynligheder og konfidens. Ved dokumentorganisering skal du definere de mulige mapper eller emner og angive, hvilket indhold der hører til i hver. Ved routing af anmodninger skal du beskrive de destinationer, som faktisk findes. En applikation kan bruge den resulterende etiket til at vælge næste trin og samtidig bevare de konkurrerende sandsynligheder til gennemgang.

En eksempelopgave til arkivering kan adskille et produktspørgsmål, et integrationsproblem og et adgangsproblem med en other-mulighed til materiale uden for disse definitioner. Hold grænserne konkrete: En besked om mislykket autentificering er forskellig fra en besked, der spørger, hvordan en funktion konfigureres. Den returnerede etiket vælger mellem indsendte betydninger; den opretter ikke en manglende destination og udfører ikke en ændring i et andet system.

Noul til kontrol af betingelser og relevans

Et noul-spørgsmål returnerer en sandsynlighed fra 0 til 1 for, at den definerede ja/nej-betingelse er opfyldt. Liquid demonstrerer binære kontroller til indholdsgennemgang og passagerelevans. Angiv betingelsen præcist, og vælg, hvordan den resulterende sandsynlighed bruges: markér et sandsynligt match, filtrér en passage, eller send et usikkert tilfælde til gennemgang. Tærsklen tilhører den anvendende opgave, og en sandsynlighed bør ikke behandles som en garanteret faktuel afgørelse.

Ved relevansfiltrering skal du indsende både forespørgslen og kandidatpassagen. Spørg, om passagen hjælper med at besvare forespørgslen, og bevar derefter den oprindelige passage sammen med sandsynligheden. Det kan understøtte udvælgelse af kildemateriale til et senere svar uden at bede d1 om selv at formulere svaret. Hvis relevans kræver flere grader frem for en ja/nej-betingelse, skal du definere en ordnet vurderingsrubrik og bruge et score-spørgsmål.

Score til ordnede niveauer

Et score-spørgsmål placerer tilstanden i en vurderingsrubrik med ordnede, beskrevne niveauer. Niveauindeks begynder ved 0, og scoren er deres sandsynlighedsvægtede placering, som kan ligge mellem niveauer. Resultatet indeholder også niveaufordelingen og konfidens. For hast skal du definere, hvad der adskiller et problem uden umiddelbar påvirkning, en væsentlig ulempe og en blokeret opgave. En vurderingsrubrik med fire niveauer har derfor indeks fra 0 til 3; dens forventede score er ikke automatisk en kategori nummereret fra 1 til 4.

Brug scoren med decimaler til sortering eller aggregering, når det er det tilsigtede resultat, og bevar hele fordelingen, når tvetydighed har betydning. Kategorier såsom afdelinger har ingen naturlig rækkefølge og hører til i et choice-spørgsmål. Konfidens sammenfatter, hvor entydigt det rapporterede svar er i den dokumenterede grænseflade; den bør holdes adskilt fra opgavens ønskede score og fra en antaget garanti for, at beslutningen er korrekt.

Flere spørgsmål og producentens anvendelser

Flere spørgsmål kan vurdere samme tilstand i ét producentkald, hvor hvert spørgsmål bevarer sin type og sine sandsynligheder. Liquids teksteksempler omfatter filtrering af supportsager, arkivering af dokumenter i en mappetaksonomi, valg af stier til kodesøgning, valg mellem tilgængelige agenthandlinger og beslutning om, hvilket værktøjsoutput der skal bevares. Alle disse arbejdsgange har en afgrænset næste beslutning. Et kodesøgningstrin kan vælge en lovende mappe ud fra dens beskrivelser; et indholdsudvælgelsestrin kan vælge keep, trim eller drop for indsendt materiale. Den omgivende applikation indhenter stadig kildedataene og udfører den valgte operation.

Omfang og et nyttigt beslutningsresultat

De dokumenterede grundoperationer passer til kendte udfald, rubrikvurderinger og kontrol af betingelser. Ny prosa, resuméer, kode og en åben samtale kræver en genereringsarbejdsgang og følger ikke automatisk af d1’s beslutningsresultat. Forbered et spørgsmål ud fra observerbar evidens, og bevar dets definitioner sammen med outputtet, så en etiket eller score kan fortolkes senere.

Hold hver tilstand fokuseret på den evidens, der besvarer dens definerede spørgsmål, og adskil uvedkommende beslutningsopgaver, så kriterierne forbliver tydelige. Hold kildematerialet relevant, definér reservebetydninger ved ufuldstændig kategoridækning, og vurdér sandsynlighedstærskler med mærkede eksempler fra opgaven. Et nyttigt resultat registrerer den valgte kategori eller forventede score sammen med dens fordeling, spørgsmålsidentitet og oprindelige evidens.