هر مدل پاسخهای دیگران را در پرامپت سیستمی دریافت میکند و موظف به راستیآزمایی آنهاست. مدل N مدلهای ۱ تا N-1 را میخواند و نقد میکند.
Nousaxis یک فضای کاری چندعاملی است که چهار مدل پیشروی هوش مصنوعی را با هم روی یک پرسش به کار میگیرد. مدلها پاسخ یکدیگر را میبینند و نقد میکنند، یک داور همه را با هم ارزیابی میکند و یک راستیآزما ادعاها را با شواهد زندهٔ وب میسنجد. هدف باهوشتر کردن یک مدل نیست؛ کمیابتر کردن جعل است.
هر مدل پاسخهای دیگران را در پرامپت سیستمی دریافت میکند و موظف به راستیآزمایی آنهاست. مدل N مدلهای ۱ تا N-1 را میخواند و نقد میکند.
یک داور همهٔ خروجیها را با هم ارزیابی میکند، اجماعی وزندار میسازد و هنگام تناقض مدلها اختلاف را علامت میزند.
لایهٔ راستیآزما ادعاهای اتمی را استخراج میکند و با سنجش آنها در برابر شواهد زندهٔ وب، خطر توهم را امتیازدهی میکند.
سنجیدیم که آیا بازپرسی متقابل واقعاً کمک میکند — روی خط تولید زنده و با ارزیابِ کور. نتایج بهطور کامل منتشر شده است، شامل محدودیتها و فواصل اطمینان.
خواندن گزارش سنجش →Nousaxis را Talonaris Technology، یک شرکت هوش مصنوعی کاربردی، توسعه میدهد. داستان شرکت، خط تحقیق و توسعه، چشمانداز و تیم در وبسایت شرکتی است.
talonaris.com →