TypeSafe: Jev 1.13

Jev 1.13 er TypeSafes versjonerte System One-modell for strukturerte beslutninger. Produsentidentifikatoren er jev-1.13.0. Den vurderer tekst eller en tekstlig JSON-tilstand opp mot typede spørsmål og returnerer verdier og sannsynlighetsfordelinger direkte, uten å skrive et svar. Utgaven passer til klassifisering, ruting, betingelseskontroller og rubrikkvurderinger der mulige utfall er kjent før forespørselen.

Tilstand og forberedelse av fokuserte spørsmål

Send inn en streng, et JSON-objekt eller et array med tekstverdier som tilstand. Bruk navngitte felter når evidensen inneholder relaterte poster, en samtale og en regel. Behold delene hvert spørsmål trenger, og henvis til et bestemt felt eller element når det identifiserer evidensen tydelig. Jev 1.13 bruker kun tekst; bilder, lyd, video og binærdata må forberedes til tekst eller strukturerte tekstfelter utenfor denne modellen.

Hvert spørsmål har en type, instruksjoner og eventuelle kriterier som typen krever. Instruksjoner og kriteriebeskrivelser kan bruke tekst eller JSON-struktur. Produsenten returnerer svar under spørsmålsidentifikatorene, men disse identifikatorene inngår ikke i inferensen. Skriv hele spørsmålet fremfor å stole på at en identifikator som urgent antyder det tilsiktede kriteriet. En nyttig supporttilstand kan inneholde meldingen og detaljer om påvirkningen, mens separate spørsmål definerer kategori og alvorlighetsgrad.

Choice: en innsendt kategori og dens fordeling

Choice velger alternativet med høyest sannsynlighet fra det uordnede settet som kalleren definerer. Kriterietilordningen inneholder alternativnøklene og beskrivelsene, med null tillatt når et alternativ ikke trenger mer forklaring. Den dokumenterte grensen er 255 alternativer per Choice. Legg til et other- eller no-match-alternativ når en taksonomi ikke dekker all mulig evidens, og forklar grenser som et kort kategorinavn ikke avklarer.

Svaret inneholder det valgte alternativet, en sannsynlighet for hvert alternativ og konfidens. Behold fordelingen når to kandidater ligger nær hverandre, fremfor å behandle den valgte etiketten som sikkerhet. Den valgte kategorien kan identifisere en foreslått rute; applikasjonen rundt modellen avgjør om og hvordan rutingen skal utføres.

Score: et forventet nivå, ikke en nøyaktig måling

Score bruker et ordnet array med beskrevne nivåer, der minst to anbefales og opptil ti støttes. Indeksene starter på 0. Det numeriske resultatet er det sannsynlighetsvektede gjennomsnittet av nivåindeksene, så det kan ligge mellom nivåer. Svarets tegnforklaring knytter indeksene til beskrivelsene, og nivåsannsynlighetene viser hvordan vurderingen er fordelt.

For alvorlighetsgrad beskriver du forskjellen mellom kosmetisk påvirkning, en brukbar omgåelse og en blokkert oppgave. En skår med desimaler kan hjelpe med å prioritere eller aggregere vurderinger, mens valg av den mest sannsynlige kategorien er en annen operasjon. TypeSafes utgavespesifikke veiledning advarer om at Score er svak til å rekonstruere en nøyaktig fysisk eller numerisk størrelse ved å interpolere mellom nivåer. Hold presis aritmetikk og målinger utenfor modellen.

Noul og konfidens har ulike betydninger

Noul returnerer sannsynligheten fra 0 til 1 for at en definert betingelse er sann. Valgfrie true- og false-kriterier tydeliggjør grensen. Den har ikke noe separat konfidensfelt. En sannsynlighet nær 0,5 viser usikkerhet om ja versus nei, ikke en midtverdi på en gradert skala.

Choice- og Score-konfidens utledes fra deres egne fordelinger. For Choice med minst to alternativer (n > 1) og valgt sannsynlighet p_max er den dokumenterte formelen (p_max − 1/n) / (1 − 1/n): Den sammenligner topputfallet med en jevn fordeling. Score-konfidens tar også hensyn til den sannsynlighetsvektede avstanden fra det mest sannsynlige nivået, normalisert mot spredningen i en uniform fordeling og med en nedre grense på 0. Dermed har tvetydighet mellom tilstøtende nivåer og tvetydighet mellom motsatte ender ulike betydninger. Behold hele fordelingen når oppgaven trenger mer detalj enn én enkelt statistikk.

Uavhengige vurderinger over felles evidens

Spørsmål i én forespørsel ser samme tilstand og vurderes uavhengig. Et resultat fra ett spørsmål er ikke skjult kontekst for et annet. Del en bred vurdering i fokuserte forhold, og tolk eller kombiner deretter de returnerte verdiene etter oppgaven. Et problem kan ha en kategori, en påvirkningsvurdering og en relevanskontroll uten å gjøre disse uavhengige kriteriene til én vag prioritetsetikett.

Hvis et senere spørsmål trenger hentet evidens eller alternativer valgt fra et tidligere resultat, gjør avhengigheten uttrykkelig i en senere forespørsel. Ved kandidatuttrekk henter du først de tilgjengelige verdiene fra kilden og bruker deretter et avgrenset Choice til å velge blant dem. Jev 1.13 er ikke trent for fri tekstgenerering og bør ikke beskrives som en modell som produserer en vilkårlig ny streng eller en fortellende forklaring.

Utgavespesifikke kontekst- og språkgrenser

Produsenten oppgir et budsjett på 64k tokener for tilstanden pluss alle spørsmål samlet, og et budsjett på 32k tokener for tilstanden pluss det lengste enkeltspørsmålet. Begge begrensningene har betydning. En tilstand som passer i totalbudsjettet, kan fortsatt gi for lite plass til instruksjonene og alternativene i ett enkelt spørsmål. Fjern uvedkommende materiale, men behold evidensen som avgjør svaret.

Engelsk er utgavens primære treningsspråk, og produsenten rapporterer best nøyaktighet der. Andre språk, inkludert CJK-skriftsystemer, godtas, men har ikke lik nøyaktighet. Bruk representativt kildemateriale fra det tilsiktede språket når du vurderer hvordan sannsynligheter eller kategorigrenser skal tolkes. En inndatakontrakt for kun tekst fastslår ikke universell flerspråklig ytelse.

Publiserte vesentlige begrensninger

TypeSafe dokumenterer bokstavelig lesing av avgrensende ord og negasjoner, upålitelig telling og aritmetikk, vansker med å sammenligne datoer som ordnede størrelser og redusert pålitelighet med flere lag av indirekte henvisninger. Den anbefaler å gjøre nøyaktige beregninger i kode og gi modellen den semantiske vurderingen. Numeriske kodinger kan være mindre effektive enn meningsfulle navn, og en stor tilstand fylt med uvedkommende detaljer kan distrahere fra relevant evidens.

Den samme veiledningen sier at manipulerende innhold i tilstanden kan styre svaret, at motstridende instruksjoner og kriterier kan forvirre modellen, og at rekkefølgen av Choice-alternativer noen ganger kan gi en skjevhet mot et tidlig alternativ. Definer den faktiske betingelsen, samordne instruksjoner og kriterier, reduser unødvendige mellomledd, og sammenlign grensevurderinger med kilden. Ha Jev 1.13s begrensninger i mente når du tolker vurderingene.

Et nyttig Jev 1.13-resultat bevarer tilstandsidentifikatoren, hele spørsmålet, alternativer eller nivåer, det typede resultatet, sannsynligheter og relevant konfidensstatistikk. Hold versjonen uttrykkelig når resultater eller terskler avhenger av denne utgaven. Gjennomgå usikre tilfeller mot evidensen, og la applikasjonen gjøre nøyaktige beregninger og handlinger i arbeidsflyten; modellen gir en fokusert vurdering med numerisk usikkerhet.