OpenAI: GPT-6 Luna Decisions

GPT-6 Luna en mode Decisions d’OpenAI évalue les éléments fournis et renvoie des réponses typées à leur sujet. Le producteur documente GPT-6 Luna comme le modèle de cette interface de décision spécialisée. Il peut estimer si une condition est satisfaite, choisir parmi des options fixes ou situer une entrée sur une grille d’évaluation ordonnée. Utilisez ce mode de GPT-6 Luna lorsque la tâche nécessite un résultat de décision défini plutôt qu’une réponse écrite.

Entrée partagée, questions nommées et réponses

Une requête au producteur contient le modèle, une entrée partagée et un tableau questions. L’entrée peut être une chaîne de texte ou des messages utilisateur comprenant du texte et des images. Chaque question possède un nom unique, un type, des instructions et les options ou niveaux requis. Le tableau de réponses reprend les noms des questions, ce qui permet d’associer le résultat à la condition, à la catégorie ou à la note effectivement demandée.

Pour un message d’assistance, fournissez le message et le contexte pertinent pour la décision suivante, puis nommez la question selon le champ dont le processus a besoin. Pour un passage documentaire, incluez le texte qui établit le critère, plutôt qu’une référence non étayée à un fichier plus volumineux. Définissez la question autour de faits observables et séparez les préoccupations indépendantes. Un résultat utile peut associer une catégorie de problème à une note de gravité tout en conservant la définition et le sens de chaque réponse.

Predicate : estimer si une condition est satisfaite

Une question predicate renvoie une probabilité de 0 à 1 que la condition définie soit vraie. Elle peut vérifier la pertinence d’un passage ou une condition visible dans une image. Pour une photographie de produit, décrivez le défaut visible à vérifier, par exemple une fissure ou une déchirure, et fournissez l’image avec ce critère. La valeur est l’estimation du modèle ; l’application choisit le seuil utilisé pour le signalement ou la vérification.

Le guide Decisions d’OpenAI exige des données d’image encodées directement dans la requête pour ce point d’accès. Les adresses d’images hébergées et les identifiants de fichiers ne sont pas des entrées d’image prises en charge dans ce contrat documenté. Du texte et des images peuvent être combinés dans un message utilisateur pour que les éléments visuels soient évalués avec le contexte écrit pertinent. Gardez l’image lisible et la condition précise ; une probabilité relative à un défaut énoncé ne constitue pas un rapport d’inspection général couvrant tous les problèmes possibles.

Choice : sélectionner une valeur fournie

Une question choice sélectionne parmi des options possédant des valeurs distinctes et des descriptions expliquant quand elles s’appliquent. Le choix renvoyé est l’une de ces valeurs, accompagné des probabilités de chaque option et d’un champ de confiance distinct. Pour l’orientation, définissez des catégories correspondant aux équipes ou aux issues réellement disponibles, et incluez une option « autre » lorsque l’ensemble ne couvre pas toutes les entrées. Gardez ces catégories non ordonnées : leur position ne constitue pas une échelle de gravité.

Un cahier des charges de classification concret peut distinguer un défaut produit, un problème d’accès et une demande générale. Décrivez la frontière entre ces catégories au lieu de vous appuyer uniquement sur des noms courts. Utilisez le choix renvoyé comme libellé proposé et examinez la distribution lorsque plusieurs sens restent plausibles. Le résultat fournit une sélection ; l’application détermine si cette sélection doit déclencher une orientation automatique ou une vérification.

Score : une position sur la grille pondérée par les probabilités

Une question score utilise des niveaux ordonnés, du plus bas au plus haut. Les indices des niveaux commencent à 0, et le score est la moyenne de ces indices pondérée par les probabilités. Il peut se situer entre deux niveaux. Pour la gravité d’un problème, un niveau peut correspondre à un impact esthétique, un autre à un contournement utilisable et un autre à un blocage complet ; définissez les critères qui les séparent. La réponse comprend les probabilités de chaque niveau et la confiance, en plus du score.

Le score attendu résume la distribution plutôt que de choisir une seule catégorie. Préservez cette distinction lorsque vous utilisez un résultat pour établir des priorités ou une tendance agrégée. Un affichage à catégories fixes peut utiliser une question choice à la place. La confiance est un champ distinct renvoyé pour les réponses choice et score ; le guide ne la définit pas comme identique à la probabilité de l’option sélectionnée.

Plusieurs questions et décisions dépendantes

Des questions indépendantes peuvent partager l’entrée dans une même requête au producteur, y compris avec des types de questions différents. Une photo pourrait servir à un prédicat de défaut et à un choix de catégorie, ou un message à une évaluation de catégorie et de gravité. Donnez à chaque préoccupation ses propres instructions et son propre sens. Lorsqu’une décision ultérieure dépend d’un résultat antérieur, le producteur recommande des requêtes séparées afin que la seconde question puisse utiliser explicitement ce résultat. Ne supposez pas que l’ordre des questions dans un tableau en fait une conversation séquentielle.

Choisir la bonne sortie et interpréter les limites

Decisions fournit le résultat predicate, choice ou score défini. Une réponse peut aussi être de type refusal ; vérifiez son type avant de lire une probabilité, un choix ou un score. OpenAI distingue cela de la génération d’objets arbitraires fondés sur un schéma ou d’explications écrites via Structured Outputs, ainsi que de la demande d’exécution d’un outil via function calling. Une réponse de décision ne doit pas être présentée comme une justification générée ou une preuve qu’une action externe a eu lieu. La sortie, le raisonnement et les réglages d’outils des modèles de chat généraux ne font pas automatiquement partie de ce mode spécialisé.

Utilisez des entrées annotées représentatives pour évaluer les seuils d’orientation, de filtrage et de vérification, en tenant compte des conséquences des faux positifs et des faux négatifs. Gardez associés les éléments sources, les définitions des questions et les sorties numériques brutes afin de pouvoir examiner un résultat ambigu. Gardez l’entrée partagée pertinente pour les questions nommées et définissez clairement chaque option ou niveau de la grille avant de soumettre la tâche de décision. Préparez les éléments et les types de réponses selon le processus de décision documenté, en interprétant la sortie au regard de la tâche qu’elle évalue.