TypeSafe: Jev 1.13

Jev 1.13 er TypeSafes versionsbestemte System One-model til strukturerede beslutninger. Dens producentidentifikator er jev-1.13.0. Den vurderer tekst eller en tekstlig JSON-tilstand ud fra typede spørgsmål og returnerer værdier og sandsynlighedsfordelinger direkte uden at formulere et skriftligt svar. Udgaven passer til klassifikation, routing, kontrol af betingelser og rubrikvurderinger, hvor de mulige udfald er kendt før anmodningen.

Tilstand og forberedelse af fokuserede spørgsmål

Indsend en streng, et JSON-objekt eller et array af tekstværdier som tilstand. Brug navngivne felter, når evidensen indeholder relaterede poster, en samtale og en politik. Bevar de dele, hvert spørgsmål har brug for, og henvis til et bestemt felt eller element, når det identificerer evidensen tydeligt. Jev 1.13 bruger kun tekst; billeder, lyd, video og binære data skal forberedes til tekst eller strukturerede tekstfelter uden for modellen.

Hvert spørgsmål har en type, instruktioner og de kriterier, typen kræver. Instruktioner og kriteriebeskrivelser kan bruge tekst eller JSON-struktur. Producenten returnerer svar under spørgsmålsidentifikatorerne, men disse identifikatorer indgår ikke i inferensen. Skriv hele spørgsmålet frem for at stole på, at en identifikator såsom urgent antyder det tilsigtede kriterium. En nyttig supporttilstand kan indeholde beskeden og detaljer om påvirkningen, mens separate spørgsmål definerer dens kategori og alvorlighed.

Choice: en indsendt kategori og dens fordeling

Choice vælger den mulighed med højest sandsynlighed fra det uordnede sæt, kalderen definerer. Dets kriteriemapping indeholder svarmulighedernes nøgler og beskrivelser, hvor null er tilladt, når en mulighed ikke behøver yderligere forklaring. Den dokumenterede grænse er 255 svarmuligheder pr. Choice. Tilføj en other- eller no-match-mulighed, når en taksonomi ikke dækker al mulig evidens, og forklar grænser, som et kort kategorinavn ikke afklarer.

Svaret indeholder den valgte mulighed, en sandsynlighed for hver mulighed og konfidens. Bevar fordelingen, når to kandidater ligger tæt, frem for at behandle den valgte etiket som sikkerhed. Den valgte kategori kan identificere en foreslået rute; den omgivende applikation afgør, om og hvordan routingen skal udføres.

Score: et forventet niveau, ikke en præcis måling

Score bruger et ordnet array af beskrevne niveauer, hvor mindst to anbefales, og op til ti understøttes. Indeks begynder ved 0. Det numeriske resultat er det sandsynlighedsvægtede gennemsnit af niveauindeksene og kan derfor ligge mellem niveauer. Svarets tegnforklaring forbinder indeksene med deres beskrivelser, og niveausandsynlighederne viser, hvordan vurderingen fordeler sig.

Ved alvorlighed skal du beskrive forskellen mellem kosmetisk påvirkning, en brugbar omgåelsesmulighed og en blokeret opgave. En score med decimaler kan hjælpe med at prioritere eller aggregere vurderinger, mens valg af den mest sandsynlige kategori er en anden operation. TypeSafes udgavespecifikke vejledning advarer om, at Score er svag til at rekonstruere en præcis fysisk eller numerisk størrelse ved interpolation mellem niveauer. Hold præcis aritmetik og målinger uden for modellen.

Noul og konfidens har forskellige betydninger

Noul returnerer sandsynligheden fra 0 til 1 for, at en defineret betingelse er sand. Valgfrie true- og false-kriterier tydeliggør grænsen. Der er intet separat konfidensfelt. En sandsynlighed tæt på 0,5 angiver usikkerhed om ja versus nej og ikke en midterværdi på en gradueret skala.

Choice- og Score-konfidens udledes af deres egne fordelinger. Ved Choice med mindst to svarmuligheder (n > 1) og den valgte sandsynlighed p_max er den dokumenterede formel (p_max − 1/n) / (1 − 1/n): Den sammenligner det bedste udfald med en ligelig fordeling. Score-konfidens tager også højde for den sandsynlighedsvægtede afstand fra det mest sandsynlige niveau, normaliseret i forhold til spredningen i en uniform fordeling og med en nedre grænse på 0. Tvetydighed mellem tilstødende niveauer og tvetydighed mellem modsatte ender har dermed forskellig betydning. Bevar hele fordelingen, når opgaven kræver mere detalje end en enkelt statistik.

Uafhængige vurderinger over fælles evidens

Spørgsmål i én anmodning ser samme tilstand og vurderes uafhængigt. Et resultat fra ét spørgsmål er ikke skjult kontekst for et andet. Opdel en bred vurdering i fokuserede forhold, og fortolk eller kombinér derefter de returnerede værdier efter opgaven. Et problem kan have en kategori, en påvirkningsvurdering og en relevanskontrol uden at gøre de uafhængige kriterier til én vag prioritetsetiket.

Hvis et senere spørgsmål kræver hentet evidens eller svarmuligheder valgt ud fra et tidligere resultat, skal afhængigheden gøres eksplicit i en senere anmodning. Ved kandidatudtræk skal du først hente de tilgængelige værdier fra kilden og derefter bruge et afgrænset Choice til at vælge mellem dem. Jev 1.13 er ikke trænet til fri tekstgenerering og bør ikke beskrives som en model, der producerer en vilkårlig ny streng eller en fortællende forklaring.

Udgavespecifikke kontekst- og sproggrænser

Producenten angiver et budget på 64k tokens til tilstanden plus alle spørgsmål samlet og et budget på 32k tokens til tilstanden plus det længste enkelte spørgsmål. Begge begrænsninger har betydning. En tilstand, der passer i det samlede budget, kan stadig efterlade for lidt plads til et enkelt spørgsmåls instruktioner og svarmuligheder. Fjern uvedkommende materiale, men bevar den evidens, der afgør svaret.

Engelsk er udgavens primære træningssprog, og producenten rapporterer den bedste nøjagtighed på engelsk. Andre sprog, herunder CJK-skriftsystemer, accepteres, men har ikke samme nøjagtighed. Brug repræsentativt kildemateriale fra det tilsigtede sprog ved vurdering af, hvordan sandsynligheder eller kategorigrænser bør fortolkes. En inputkontrakt, der kun omfatter tekst, fastslår ikke universel flersproget ydeevne.

Offentliggjorte væsentlige begrænsninger

TypeSafe dokumenterer bogstavelig læsning af afgrænsende ord og negationer, upålidelig optælling og aritmetik, vanskeligheder med at sammenligne datoer som ordnede størrelser og reduceret pålidelighed ved flere lag af indirekte henvisninger. Producenten anbefaler at udføre præcise beregninger i kode og overlade den semantiske vurdering til modellen. Numeriske kodninger kan være mindre effektive end meningsfulde navne, og en stor tilstand fyldt med uvedkommende detaljer kan aflede fra den relevante evidens.

Samme vejledning siger, at manipulerende indhold i tilstanden kan styre svaret, at modstridende instruktioner og kriterier kan forvirre modellen, og at rækkefølgen af Choice-svarmuligheder nogle gange kan favorisere en tidlig mulighed. Definér den faktiske betingelse, afstem instruktioner med kriterier, reducér unødvendige mellemled, og sammenlign grænsetilfælde med kilden. Hav Jev 1.13’s begrænsninger for øje ved fortolkning af dens vurderinger.

Et nyttigt Jev 1.13-resultat bevarer tilstandsidentifikatoren, hele spørgsmålet, svarmuligheder eller niveauer, det typede resultat, sandsynligheder og relevant konfidensstatistik. Hold versionen eksplicit, når resultater eller tærskler afhænger af denne udgave. Gennemgå usikre tilfælde ud fra evidensen, og lad applikationen udføre præcise beregninger og handlinger i arbejdsgangen; modellen leverer en fokuseret vurdering med numerisk usikkerhed.