Hallucination & Grounding — Learning Bundle
Alucinação & Fundamentação — Pacote de Aprendizagem
Este pacote de aprendizado compara uma falha com uma forma de reduzi-la. Alucinação é a saída do modelo sem suporte. Fundamentação liga afirmações a evidências que são dadas, encontradas ou verificadas. O pacote não é um único padrão de métrica de qualidade.
Outro exemplo
Um assistente de pesquisas não inventa uma data de lançamento. Ele liga cada fato que fala a uma fonte.
Partes principais
- 01User intent and context
- 02Model or tool decision
- 03Grounded result and fallback
Use-o quando
Estude a falha e sua correção separadamente. Para reivindicações importantes, exija evidências claras, recuse quando estiver inseguro, citações e verificações.
Não o use quando
Nunca use palavras que soem confiantes no lugar de evidências.
Nome usado no código
citations + abstention Antes de lançar
Check that every member concept has its own name and link. Show all members in the same situation. Give a visible rule for when each one applies and which groups are valid. Never present the bundle as one canonical pattern or as parts that can be swapped freely.
Outcome: Complete the task with Alucinação & Fundamentação — Pacote de Aprendizagem (Hallucination & Grounding — Learning Bundle). User context: Um assistente de pesquisas não inventa uma data de lançamento. Ele liga cada fato que fala a uma fonte. Learning bundle to unpack: Alucinação & Fundamentação — Pacote de Aprendizagem (Hallucination & Grounding — Learning Bundle). Canonical members: Alucinação de IA (AI Hallucination), Fundamentação da IA (AI Grounding) Why this comparison helps: Estude a falha e sua correção separadamente. Para reivindicações importantes, exija evidências claras, recuse quando estiver inseguro, citações e verificações. Do not treat the bundle as one pattern when: Nunca use palavras que soem confiantes no lugar de evidências. Comparison requirements: Name every member concept on its own. Explain its job and limits. Show every member in the same real situation. Give a visible sign for when to use, combine, or leave out each member. Decision quality: Keep platform and evidence limits clear. Show which members can work together. Point out false matches, unsafe swaps, and cases that need another concept. Acceptance criteria: A reader can explain each member in one sentence and tell them apart in the example. They can defend the chosen member or valid group and open every canonical guide. Evidence and limits (evidence boundary): Isto não é um padrão normativo. Seu nome, limites e comportamento esperado podem mudar de uma fonte para outra. Unknowns to confirm: Target platform, decision setting, limits, and evidence needed to use, combine, or leave out members.
Conferir este pedido
Review how Alucinação & Fundamentação — Pacote de Aprendizagem (Hallucination & Grounding — Learning Bundle) is used now. Definition: Este pacote de aprendizado compara uma falha com uma forma de reduzi-la. Alucinação é a saída do modelo sem suporte. Fundamentação liga afirmações a evidências que são dadas, encontradas ou verificadas. O pacote não é um único padrão de métrica de qualidade. Release checks: Check that every member concept has its own name and link. Show all members in the same situation. Give a visible rule for when each one applies and which groups are valid. Never present the bundle as one canonical pattern or as parts that can be swapped freely. Before changing code, list the evidence, gaps, severity, and the smallest safe fix.