प्रोफ़ाइल रिपोर्ट में विश्वास संख्या के लिए साक्ष्य परिभाषा चाहिए

संख्या की इकाई का नाम लेकर शुरू करें

संख्यात्मक मॉडल स्कोर, स्रोत-आधारित तथ्य और मापी गई सफलता दर से भिन्न वस्तु है। स्रोत-आधारित तथ्य एक सार्वजनिक कथन की ओर इंगित करता है जिसे आप निरीक्षण कर सकते हैं; मापी गई सफलता दर ज्ञात मामलों पर सत्यापन से आती है; स्कोर एक आउटपुट है जिसका अर्थ इस बात पर निर्भर करता है कि इसे किस चीज़ की तुलना करने के लिए प्रशिक्षित और परीक्षण किया गया था। जब कोई रिपोर्ट संख्या दिखाए बिना बताए कि यह इनमें से कौन है, तो इसे अपरिभाषित इकाई के रूप में दर्ज करें। इसे चुपचाप किसी व्यक्ति के बारे में प्रायिकता में न बदलें, क्योंकि वह रूपांतरण एक अनुमान है जिसे रिपोर्ट ने अर्जित नहीं किया है। [NIST AI 600-1: जनरेटिव AI का गढ़ा हुआ सूचना देना और स्रोत सत्यापन]

• संख्या को ठीक वैसे ही लिखें जैसे दिखाई गई है, उसके लेबल और साथ के किसी भी शब्द के साथ।
• ध्यान दें कि रिपोर्ट इकाई, आधार, सीमा या सत्यापन सेट बताती है या नहीं।
• यदि इनमें से कोई भी अनुपस्थित है, तो संख्या को सटीक के बजाय अपरिभाषित चिह्नित करें।

व्याख्या करने से पहले तीन प्रश्न पूछें

पूछें कि संख्या क्या मापती है, इसकी तुलना किससे की गई थी, और क्या कोई सत्यापन प्रदान किया गया है। स्कोर संग्रहीत उदाहरण से समानता, स्रोतों के बीच सहमति, या आंतरिक मॉडल वरीयता का वर्णन कर सकता है; ये किसी व्यक्ति के बारे में प्रायिकताएँ नहीं हैं। सत्यापन वह हिस्सा है जो आपको संख्या को अंशशोधित के रूप में पढ़ने देगा। सामान्य AI जोखिम मार्गदर्शन नोट करता है कि प्रदर्शन को संकीर्ण, गैर-व्यवस्थित या उपाख्यानात्मक आकलनों से बहिर्वेशित नहीं किया जाना चाहिए, और उत्पन्न आउटपुट आत्मविश्वासी दिख सकता है जबकि अपने इनपुट के साथ असंगत हो सकता है। उस सावधानी को किसी भी स्कोर पर लागू करें जो बिना बताए आधार के प्रस्तुत किया गया हो। [NIST AI 600-1: जनरेटिव AI का गढ़ा हुआ सूचना देना और स्रोत सत्यापन]

• संख्या क्या मापती है?
• इसकी तुलना किससे की गई थी?
• क्या कोई सत्यापन प्रदान किया गया है, और किस प्रकार के मामलों पर?

अपरिभाषित स्कोर को देखे गए तथ्यों से अलग रखें

दो अलग रिकॉर्ड बनाएँ। पहला वह रखता है जो आपने अनुमत सार्वजनिक स्रोत में देखा: उपयोगकर्ता नाम, सार्वजनिक पोस्ट, छवि, बताई गई संबद्धता। दूसरा रिपोर्ट के संख्यात्मक आउटपुट और रिपोर्ट जो भी उससे अनुमान लगाती है, रखता है। उन्हें दृश्य रूप से अलग रखें ताकि स्कोर कभी उस कथन को उधार का अधिकार न दे जिसका अपना स्रोत नहीं है। जहाँ रिपोर्ट स्रोत से अधिक निश्चित हो, वहाँ दावे के बगल में लुप्त विशेषक लिखें और दावे को उतना ही कम करें जितना स्रोत वास्तव में समर्थन करता है।

दशमलव को सत्यापन का संकेत न बनने दें

प्रस्तुति में सटीकता शुद्धता का साक्ष्य नहीं है। कई दशमलव स्थानों तक लिखी संख्या अंशशोधित लग सकती है जबकि वास्तविक दुनिया के बारे में कुछ भी नहीं मापती। प्रारूप को सौंदर्यपरक मानें जब तक रिपोर्ट स्कोर का आधार परिभाषित न करे। किसी भी उत्पन्न आउटपुट में स्रोतों की समीक्षा और सत्यापन करें इससे पहले कि आप उस पर भरोसा करें, क्योंकि उत्पन्न पाठ असमर्थित सामग्री को आत्मविश्वासी लहजे में प्रस्तुत कर सकता है। यदि रिपोर्ट कोई परिभाषा नहीं देती, तो आपकी वर्कशीट में संख्या के बगल में प्रायिकता अनुमान के बजाय अपरिभाषित शब्द होना चाहिए। [NIST AI 600-1: जनरेटिव AI का गढ़ा हुआ सूचना देना और स्रोत सत्यापन]

सटीक सीमा दर्ज करें और वहीं रुकें

यदि स्रोत अनुपस्थित, निजी, बेमेल या अस्पष्ट है, तो वह सटीक सीमा लिखें और असमर्थित अनुमान रोक दें। लुप्त साक्ष्य के लिए निजी पहुँच, समानता अनुमान या उच्चतर स्कोर का विकल्प न दें। एक उपयोगी सीमा बताती है कि क्या अनुपस्थित था: पोस्ट हटा दी गई थी, छवि केवल ढीली मिली थी, प्रोफ़ाइल एक से अधिक व्यक्ति की हो सकती थी। अंतराल का नाम लेने से आप अनिश्चितता को किसी के बारे में निष्कर्ष में बदले बिना तय कर सकते हैं कि आगे क्या करना है।

• सामान्य अस्वीकरण नहीं, विशिष्ट अंतराल बताएँ।
• गोपनीयता सेटिंग, मौन या मिलती हुई फ़ोटो को पहचान या मंशा का प्रमाण न मानें।
• यदि कोई सुराग मायने रखता है, तो बायपास नहीं, सार्वजनिक स्रोत के माध्यम से वैध जाँच की योजना बनाएँ।

एक रिपोर्ट के लिए पाठक वर्कशीट

तीन स्तंभ बनाएँ: रिपोर्ट कथन, स्रोत आधार, और स्थिति। स्रोत आधार स्तंभ में, वह सार्वजनिक कथन चिपकाएँ या paraphrased करें जिस पर रिपोर्ट निर्भर करती है। स्थिति स्तंभ में, स्रोत-आधारित तथ्य, अनुमानित दावा, या अपरिभाषित स्कोर चुनें। कोई भी पंक्ति जहाँ संख्या अकेली दिखती है, अपरिभाषित स्तंभ में रहेगी। यह एक संपादकीय सहायता है जिसे आप स्वयं लिखते हैं; यह किसी प्लेटफ़ॉर्म द्वारा प्रस्तुत नियंत्रण नहीं है। यह एक काल्पनिक उदाहरण को ईमानदार रखता है: यदि कोई रिपोर्ट सार्वजनिक उपयोगकर्ता नाम के बगल में 0.87 दिखाती, तो वर्कशीट स्रोत-आधारित उपयोगकर्ता नाम और अपरिभाषित संख्यात्मक लेबल दर्ज करेगी, न कि व्यक्ति के बारे में कुछ भी सत्य होने की 87 प्रतिशत संभावना।

कुछ और सवाल