Rehber Yapay zekâ aynı soruya neden farklı cevap verir? Tutarlı sonuç alma rehberi

Yapay zekâya aynı soruyu iki kez sorduğunuzda farklı cümleler, sıralamalar ve öneriler alabilirsiniz. Bu durum tek başına bir arıza değildir. Dil modelleri her istekte aynı metni üretmek zorunda değildir; sohbetin önceki mesajları, seçilen araçlar ve model değişiklikleri de sonucu etkileyebilir. Amaç her kelimeyi sabitlemek değil, cevabın uyması gereken ölçütleri açıkça tanımlamaktır.

Önce hangi farkın sorun olduğunu belirleyin​

Bir yanıtta üç, diğerinde dört örnek verilmesiyle aynı hesabın farklı sonuçlanması aynı şey değildir. Yazım değişikliği çoğu zaman kabul edilebilir. Fiyat, tarih, birim veya hesap sonucu değişiyorsa kaynak ve işlem kontrolü gerekir. Beğendiğiniz cevabı sırf daha akıcı olduğu için doğru saymayın.

Örneğin “Hafta sonu için plan yap” isteğinde şehir, ulaşım ve süre yoksa model boşlukları farklı doldurabilir. “İzmir merkezde, araçsız, cumartesi 10.00–16.00 arası, en fazla üç durak” derseniz karşılaştırılabilir bir görev oluşur. Canlı saat ve ücret gerektiren ayrıntıları ayrıca doğrulayın.

Tekrar kullanılabilir görev kartı hazırlayın​

Beklenen yapı “teslimat | Paketim gelmedi | takip kodu ve sipariş tarihi” gibi olmalıdır. Aynı anlama gelen farklı ifadeler sorun sayılmaz. Ancak model iade süreci başlatmayı öneriyorsa görevin dışına çıkmıştır.

1. Görev metnini bir notta saklayın; her denemede kelimelerini değiştirmeyin.
2. Gerekli kaynak veya örnekleri aynı sırayla verin.
3. Güncel bilgi gerekiyorsa arama kullanılıp kullanılmadığını kaydedin.
4. Çıktı biçimini ve kabul edilmeyen davranışları belirtin.
5. Üç farklı örnekle kontrol edin: açık, eksik ve çelişkili bir girdi.

Cevabı düzeltirken her şeyi yeniden istemeyin​

“Bu yanlış” yerine hatalı kısmı gösterin: “Mesajda iade talebi yok. Yalnız verilen metne göre sınıflandır.” Ardından düzeltmenin diğer satırları değiştirip değiştirmediğine bakın. Her seferinde baştan kapsamlı cevap üretmek yerine tek kusuru onarmak karşılaştırmayı kolaylaştırır.

Sohbette daha önce verilmiş ilgisiz talimatlar varsa yeni bir konuşmada aynı görev kartını deneyin. Gizli talimatları öğrendiğinizi varsaymayın; yalnızca kendi verdiğiniz bağlamı sadeleştirin. Hesaplama gereken bir işte modeli tekrar tekrar ikna etmek yerine küçük bir tablo veya hesap makinesiyle sonucu kontrol edin. Aynı yanlış cevabın üç kez tekrarlanması, onu doğru hale getirmez.

Ne zaman sonuç yeterince tutarlı sayılır?​

Her denemede istenen alanlar doluysa, bilinmeyen bilgiler uydurulmuyorsa ve kontrol ettiğiniz örnekler doğru sınıflanıyorsa görev kullanılabilir hale gelmiştir. Buna rağmen önemli bir karar için çıktıyı doğrudan otomatik işlem olarak kullanmayın; önce örneklerinizde hata türünü görün. Bu yöntem, cevapları ezberletmekten çok hangi çıktının işe yaradığını anlaşılır hale getirir.

Kaynaklar​

OpenAI — Model çıktılarında değişkenlik ve değerlendirme