യന്ത്രം വിവർത്തനം ചെയ്തതാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി പരിശോധിച്ച പതിപ്പുകളാണ്.English हिन्दी

Learn
See
Try
Make

ദാവുകളും തെളിവുകളും പരിശോധിക്കുക

What this lesson is about

ഒരു ഉത്തരം പരിശോധിക്കാവുന്ന ദാവുകളായി വിഭജിക്കുക. ശരിയായ തെളിവുകളെ മാത്രം ശബ്ദം ശരിയാണെന്നു തോന്നിക്കുന്ന വാക്കുകളിൽ നിന്ന് വേർതിരിക്കുക.

പെൻഷൻ പദ്ധതിയെക്കുറിച്ചുള്ള മൂന്ന് വാചകങ്ങളുള്ള മറുപടിയിൽ ഒരു തീയതി, ഒരു സംഖ്യ, ഒരു വാഗ്ദാനം എന്നിവ ചേർന്നിരിക്കുന്നു. എവിടെ നിന്ന് തുടങ്ങും?

Why this matters

കൃത്യമായ സംഖ്യകൾ, തീയതികൾ, തിരുത്താൻ ബുദ്ധിമുട്ടുള്ള ദാവുകൾ തീരുമാനങ്ങളെ മാറ്റാം. എഴുത്ത് വിശ്വസനീയമായിരുന്നാലും ഇത് ശരിയാണ്.

ഒരു ഉത്തരം ദാവുകളായി വിഭജിച്ച്, ആദ്യം ഏത് ദാവു പരിശോധിക്കണമെന്ന് തീരുമാനിക്കുക.

ഓരോ വരിയിലും പരിശോധിക്കാവുന്ന ഒരു അവകാശം എടുത്തു എഴുതുക.
മികച്ച പ്രാധാന്യമുള്ള കൃത്യമായ അവകാശവാദങ്ങൾ ആദ്യം പരിശോധിക്കുക.
മൂലത്തിന്റെ ഗുണമേന്മയും ബാക്കി അസ്പഷ്ടതയും രേഖപ്പെടുത്തുക.

Task

ഒരു പ്രോഗ്രാം 62% ആളുകൾക്ക് ജോലി കിട്ടിയെന്ന് പറയുന്നു.

Weak approach ദാവി വേറെ ഒരു വരിയായി എടുത്ത് ആദ്യ നിയമം പാലിച്ചു. ആ കണക്കു തിരയുമ്പോൾ 62% ഉള്ള ഒരു വാർത്താ പേജ് കണ്ടെത്തി, അവിടെ ദാവി പിന്തുണയ്ക്കപ്പെട്ടതായി അടയാളപ്പെടുത്തി. ആ വാർത്താ പേജ് പരിപാടിയുടെ സ്വന്തം പ്രസ് നോട്ടാണ് ആവർത്തിക്കുന്നത്, 'തുടങ്ങിയ ജോലി'യിൽ എന്തെല്ലാം ഉൾപ്പെടുന്നുവെന്ന് ആരും വായിച്ചിട്ടില്ല.

Stronger approach പ്രാഥമിക റിപ്പോർട്ട്, അതിന്റെ തീയതി, ആരെ എണ്ണിയതെന്ന് കണ്ടെത്തി. അവിടെ വായിച്ചു, 'തുടങ്ങിയ ജോലി' എന്നത് പണം ലഭിക്കുന്ന ഏത് ജോലി ആയാലും ഉൾപ്പെടുന്നു, ഒരു ആഴ്ചയുടെ കരാറും ഉൾപ്പെടുന്നു. ദാവി പിന്തുണയ്ക്കപ്പെട്ടതാണെന്ന്, പക്ഷേ അർത്ഥം മാറ്റപ്പെട്ടതാണെന്നും, അത് ഏത് തീരുമാനത്തെ ബാധിക്കുന്നുവെന്നും പറഞ്ഞു.

Why the stronger approach works രണ്ടുപേരും കണക്കു പരിശോധിച്ചു, രണ്ടുപേരും അത് കണ്ടെത്തി. എന്നാൽ അർത്ഥം മാറുന്ന സ്ഥലം, എന്തെല്ലാം എണ്ണപ്പെട്ടുവെന്ന് പറയുന്നിടത്തേക്ക് വെറും ഒരാൾ മാത്രമേ എത്തി.

Try a changed situation ഇപ്പോൾ ഒരു രക്ഷിതാവ് ഫോണിൽ അയച്ച സ്കൂൾ ഫീസ് റീഫണ്ട് സന്ദേശമാണ്. ഏത് ഭാഗം ആദ്യം പരിശോധിക്കും?

Make something yourself മൂന്ന് വാക്യങ്ങളുള്ള ഒരു ഉത്തരം ദാവുകളുടെ പട്ടികയായി തയ്യാറാക്കുക. ദാവു, അതിന്റെ പ്രഭാവം, ആവശ്യമായ ഉറവിടം, അനിശ്ചിതത്വം എന്നിവ നൽകുക.

Read the primary or official source: Wei et al., Long-form factuality in large language models (arXiv)