TypeSafe: Jev 1.13

O Jev 1.13 é o modelo System One versionado da TypeSafe para decisões estruturadas. O seu identificador no produtor é jev-1.13.0. Avalia texto ou estado JSON textual face a perguntas tipadas e devolve diretamente valores e distribuições de probabilidade, sem redigir uma resposta escrita. Esta edição adequa-se a classificação, encaminhamento, verificações de condições e juízos por rubrica cujos resultados possíveis são conhecidos antes do pedido.

Preparação do estado e de perguntas focadas

Forneça como estado uma cadeia de texto, um objeto JSON ou uma matriz de valores de texto. Utilize campos com nome quando a evidência contém registos relacionados, uma conversa e uma política. Mantenha as partes de que cada pergunta precisa e faça referência a um campo ou elemento específico quando isso identifica a evidência com clareza. O Jev 1.13 trabalha apenas com texto; imagens, áudio, vídeo e binários têm de ser preparados como texto ou campos textuais estruturados fora deste modelo.

Cada pergunta tem um tipo, instruções e os critérios que o seu tipo exige. As instruções e as descrições dos critérios podem utilizar texto ou estrutura JSON. O produtor devolve as respostas sob os identificadores das perguntas, mas esses identificadores não fazem parte da inferência. Escreva a pergunta completa, em vez de confiar que um identificador como urgent implique o critério pretendido. Um estado de suporte útil pode conter a mensagem e os detalhes do impacto, enquanto perguntas separadas definem a sua categoria e gravidade.

Choice: uma categoria fornecida e a sua distribuição

O tipo Choice seleciona a opção de maior probabilidade do conjunto não ordenado definido por quem faz a chamada. O seu mapa de critérios contém as chaves e as descrições das opções, sendo permitido null quando uma opção não precisa de explicação adicional. O limite documentado é de 255 opções por Choice. Acrescente uma opção «outro» ou «sem correspondência» quando uma taxonomia não cobre toda a evidência possível, e explique as fronteiras que um nome curto de categoria não resolve.

A resposta contém a opção selecionada, uma probabilidade para cada opção e a confiança. Mantenha a distribuição quando dois candidatos estão próximos, em vez de tratar o rótulo selecionado como certeza. A categoria selecionada pode identificar um encaminhamento proposto; a aplicação envolvente decide se e como executar esse encaminhamento.

Score: um nível esperado, não uma medição exata

O tipo Score utiliza uma matriz ordenada de níveis descritos, sendo recomendados pelo menos dois e suportados até dez. Os índices começam em 0. O resultado numérico é a média dos índices dos níveis ponderada pelas probabilidades, pelo que pode ficar entre níveis. A legenda da resposta relaciona os índices com as respetivas descrições, e as probabilidades dos níveis mostram como o juízo se distribui.

Para a gravidade, descreva a diferença entre impacto estético, uma solução alternativa utilizável e uma tarefa bloqueada. Uma pontuação fracionária pode ajudar a definir prioridades ou a agregar juízos, enquanto selecionar a categoria mais provável é uma operação diferente. O guia específico desta edição da TypeSafe adverte que o Score é fraco para reconstruir uma quantidade física ou numérica exata por interpolação entre níveis. Mantenha a aritmética precisa e as medições fora do modelo.

Noul e a confiança têm significados distintos

O tipo Noul devolve a probabilidade, de 0 a 1, de que uma condição definida seja verdadeira. Critérios opcionais de verdadeiro e falso clarificam a fronteira. Não tem um campo de confiança separado. Uma probabilidade próxima de 0,5 indica incerteza entre sim e não, e não um valor intermédio numa escala graduada.

A confiança de Choice e de Score deriva das respetivas distribuições. Para uma Choice com pelo menos duas opções (n > 1) e probabilidade selecionada p_max, a fórmula documentada é (p_max − 1/n) / (1 − 1/n): compara o resultado mais provável com uma divisão equitativa. A confiança de Score tem também em conta a distância ponderada pelas probabilidades em relação ao nível mais provável, normalizada face à dispersão de uma distribuição uniforme e com um mínimo de 0. Assim, a ambiguidade entre níveis adjacentes e a ambiguidade entre extremos opostos têm significados diferentes. Mantenha a distribuição completa quando a tarefa precisa de mais detalhe do que uma única estatística.

Juízos independentes sobre evidência partilhada

As perguntas de um mesmo pedido veem o mesmo estado e são avaliadas de forma independente. O resultado de uma pergunta não é contexto oculto para outra. Divida um juízo amplo em questões focadas e, depois, interprete ou combine os valores devolvidos de acordo com a tarefa. Um problema pode ter uma categoria, uma classificação de impacto e uma verificação de relevância, sem transformar esses critérios independentes num único rótulo de prioridade vago.

Se uma pergunta posterior precisar de evidência obtida ou de opções escolhidas a partir de um resultado anterior, torne essa dependência explícita num pedido posterior. Para a extração de candidatos, obtenha primeiro os valores disponíveis a partir da fonte e, depois, utilize uma Choice delimitada para selecionar entre eles. O Jev 1.13 não está treinado para geração de texto livre e não deve ser descrito como capaz de produzir uma cadeia nova arbitrária ou uma explicação narrativa.

Contexto e limites linguísticos específicos da edição

O fabricante indica um orçamento de 64k tokens para o estado mais todas as perguntas combinadas, e um orçamento de 32k tokens para o estado mais a pergunta individual mais longa. Ambas as restrições importam. Um estado que caiba no orçamento total pode, ainda assim, deixar pouco espaço para as instruções e opções de uma pergunta individual. Remova o material não relacionado, mantendo a evidência que determina a resposta.

O inglês é a principal língua de treino desta edição, e o produtor indica que é nela que obtém a melhor precisão. Outras línguas, incluindo escritas CJK, são aceites, mas não têm a mesma precisão. Utilize material de origem representativo da língua pretendida ao avaliar como devem ser interpretadas as probabilidades ou as fronteiras entre categorias. Um contrato de entrada apenas de texto não estabelece um desempenho multilingue universal.

Limitações substantivas publicadas

A TypeSafe documenta a leitura literal de palavras de âmbito e de negações, contagem e aritmética pouco fiáveis, dificuldade em comparar datas como quantidades ordenadas e menor fiabilidade com várias camadas de indireção. Recomenda fazer o cálculo exato em código e deixar ao modelo o juízo semântico. As codificações numéricas podem ser menos eficazes do que nomes com significado, e um estado grande, cheio de detalhes não relacionados, pode desviar a atenção da evidência relevante.

O mesmo guia refere que conteúdo adversarial no estado pode orientar a resposta; instruções e critérios contraditórios podem confundi-la; e a ordem das opções de uma Choice pode, por vezes, enviesar um resultado a favor de uma opção inicial. Defina a condição efetiva, alinhe as instruções com os critérios, reduza saltos desnecessários e compare os juízos limítrofes com a fonte. Tenha presentes os limites do Jev 1.13 ao interpretar os seus juízos.

Um artefacto útil do Jev 1.13 preserva o identificador do estado, a pergunta completa, as opções ou níveis, o resultado tipado, as probabilidades e a estatística de confiança relevante. Mantenha a versão explícita quando os resultados ou limiares dependem desta edição. Reveja os casos incertos face à evidência e deixe a aplicação executar os cálculos exatos e as ações do fluxo de trabalho; o modelo fornece um juízo focado com incerteza numérica.