指示・サンプリング・検証
学習目標
一貫性と事実の正確さを区別し、生成設定を比較します。
システム指示は回答を導きますが、従うことや安全なツールアクセスを保証しません。権限はアプリが制御します。温度はsoftmax前のスコアを調整し、小さい正の値は確率を集中、大きい値は平坦にします。top-kは候補数、top-pは累積確率で候補を絞ります。事実確認の機能ではありません。貪欲法は抽選せず最高スコアのトークンを選びます。
もう少し詳しく
作成実習で貪欲法とサンプリングを何度か比較しましょう。抽選でも同じ結果は出ます。実際のシステムではモデルの版・文脈・ツール・数値計算も影響するため、温度0でも完全な再現は保証されません。次に曖昧な質問と、目的・背景・確認方法を含む質問を比較します。事実は原典で確かめ、ヒントを使って自分の言葉で説明しましょう。
自分の言葉で説明
低い温度のモデルも誤答を自信ありげに繰り返しますか。
説明と比べる
はい。確率の集中は真実の証拠ではありません。内容を別途検証します。
自分で記録する欄です。ここで採点はしません。
この段階を理解したものとして記録しますか？
まだ取り消せないので、本当に理解できたときだけ記録してください。
理解したものとして記録しました
自分で記録する欄です。ここで採点はしません。