पूर्व OpenAI शोधकर्ता AI बनाता है कि केवल एक सूची से चुनता है, और तीन दिग्गजों 16 के भीतर में कूद ...
Decision APIs टाइप किए गए विकल्पों और संभावनाओं के साथ पाठ को प्रतिस्थापित करता है, जिससे डेवलपर्स को रूटिंग, पुनः प्रयास और उत्पादन कार्यप्रवाह के लिए विश्वसनीय संकेत मिलते हैं।
मुख्य जानकारी
- Decision APIs जैसे Jev, OpenAI s Decisions API, Cloudflare Clef और Strands Decider मुक्त-रूप पाठ के बजाय संभावनाओं के साथ टाइप किए गए विकल्पों को वापस करते हैं।
- यह दृष्टिकोण डेवलपर्स को एजेंटों, स्वचालन, मॉडरेशन, रूटिंग और वर्कफ़्लो निर्णय के लिए अधिक विश्वसनीय AI सुविधाओं का निर्माण करने में मदद करता है।
- संभावनाएं एप्लिकेशन को एक दूसरा संकेत देती हैं निर्णय लेने के लिए कि क्या कार्य करना है, पुनः प्रयास करें, स्पष्टीकरण मांगे या मानव तक बढ़ें।
- बिल्डरों को इन उपकरणों को अपनाने से पहले आउटपुट स्कीमा, कैलिब्रेशन, फॉलबैक व्यवहार, विलंबता, मूल्य निर्धारण और डेटा हैंडलिंग की जांच करनी चाहिए।
- व्यापक प्रवृत्ति है AI बुनियादी ढांचा चैट-शैली के आउटपुट से निर्णय परतों की ओर बढ़ रहा है जो software सीधे उपयोग कर सकते हैं।
%3Csvg%20xmlns='http://www.w3.org/2000/svg'%20viewBox='0%200%20800%20450'%3E%3Crect%20width="800"%20height="450""%20fill="23f7f9fc"/%3e%3Ccircle%20cx='180"'%20cy='225'"%20r='70'20fill='%23b82f6'/% 3E3%Ccircles%20xx='400'% 20xy='225%'20r ='55'20% fill='1023b9'/81 /% 3Circle%30fil='800'%405'='450'%59'%80b82%12'60'*120'*100'*200'*300'*600'*150'*350'*250'*320'00'*32'0*33'*35'*36'*37'*38*39*3*380*390*319*321*318*329*326*34*324*3#
मेटा विवरणः Jev, OpenAI s Decisions API, Cloudflare Clef और Strands Decider टेक्स्ट के बजाय संभावनाओं के साथ टाइप किए गए विकल्पों को वापस करते हैं, जिससे बिल्डरों को अनुमानित आउटपुट प्राप्त करने में मदद मिलती है।
टैगः निर्णय APIs , संरचित आउटपुट, OpenAI s फ़ैसले API
डेवलपर्स के लिए निर्माण AI सुविधाओं की जरूरत है कि विश्वसनीय कार्यों, एक राउंडअप से Towards AI नामों Jev, OpenAI s Decisions API, Cloudflare Clef और Strands Decider के रूप में चार निर्णय APIs कि वापसी टाइप विकल्प संभावनाओं के साथ सादे पाठ के बजाय. शिफ्ट मायने रखता है क्योंकि टेक्स्ट पढ़ने में आसान है लेकिन उत्पादन पर भरोसा करना मुश्किल हैः एक मॉडल एक वाक्य, उपकरण का नाम, अमान्य लेबल या अस्पष्ट अस्वीकृति के साथ जवाब दे सकता है। एक टाइप किया गया चयन ज्ञात सेट के लिए मॉडल की प्रतिक्रिया को संकीर्ण करता है, जबकि एक संभाव्यता software एक स्कोर देता है जिसका उपयोग यह रूट करने, अनुमोदित करने, पुनः प्रयास करने या किसी मानव से पूछने के लिए कर सकता है ।
क्यों टाइप किए गए विकल्प चैट पाठ से अधिक मायने रखते हैं
large language models धाराप्रवाह भाषा का उत्पादन करने में अच्छे होते हैं। धाराप्रवाही भाषा हमेशा सही उत्पाद आउटपुट नहीं होती है। यदि एक customer support एजेंट को यह तय करने की आवश्यकता है कि टिकट बनाना है, अधिक विवरण के लिए पूछना है या मामला बंद करना है, तो पैराग्राफ मदद से ज्यादा काम हो सकता है। फिर एप्लिकेशन को अनुच्छेद को पार्स करना होगा, इरादे का अनुमान लगाना होगा और निर्णय गलत होने का जोखिम उठाना होगा।
रिपोर्ट में सूचीबद्ध उपकरण एक अलग पैटर्न की ओर इशारा करते हैंः मॉडल को परिणामों के प्रतिबंधित सेट से चुनने के लिए कहा जाता है। व्यवहार में, यह enum, a बुलियन, एक श्रेणी, टूल नाम या कोई अन्य संरचित मूल्य हो सकता है। स्रोत प्रत्येक tool supporteds समर्थित स्कीमा निर्दिष्ट नहीं करता है, लेकिन साझा विचार यह है कि API प्रोग्राम द्वारा सीधे उपयोग किए जा सकने वाले निर्णय देता है।
यह AI एजेंटों, कार्यप्रवाह स्वचालन, सामग्री मॉडरेशन, रूटिंग और किसी भी सुविधा के लिए उपयोगी है जहां अगला कदम एक स्वच्छ लेबल पर निर्भर करता है। यह एक सामान्य विफलता मोड को भी कम करता हैः मॉडल आत्मविश्वास से लगता है जबकि बैकएंड स्वीकार नहीं कर सकता है कि मूल्य का उत्पादन.
संभावनाएं मॉडल आउटपुट को निर्णय में बदल देती हैं
एक टाइप किया गया विकल्प उत्तर देता है कि मॉडल को क्या चुनना चाहिए? एक संभावना जवाब देती है कि सिस्टम को उस चयन पर कितना भरोसा करना चाहिए? संयोजन वह है जो इन APIs को सामान्य पाठ पूरा करने से अलग बनाता है।
एक संभावना सरल नियमों को चला सकती है। उच्च स्कोर सिस्टम को स्वचालित रूप से कार्य करने दे सकता है। मध्यम स्कोर स्पष्टीकरण प्रश्न को ट्रिगर कर सकते हैं। कम स्कोर मामले को किसी इंसान के पास भेज सकते हैं. इसका मतलब यह नहीं है कि स्कोर हमेशा पूरी तरह से कैलिब्रेट होता है, लेकिन यह डेवलपर्स को लेबल से परे दूसरा सिग्नल देता है।
उपयोगकर्ताओं के लिए, व्यावहारिक लाभ कम भंगुर एकीकरण है। जब कोई AI सुविधा ज्ञात मूल्य और विश्वास संकेत देता है, तो आसपास का उत्पाद पूर्वानुमानित व्यवहार कर सकता हैः किसी कार्य को फिर से आज़माएं, फॉलबैक दिखाएं, अनिश्चित मामले को लॉग करें या उपयोगकर्ता को सूचित रखें। जब यह एक मुक्त-रूप वाक्य लौटाता है, उत्पाद टीम को अक्सर अतिरिक्त पार्सिंग नियम लिखना पड़ता है, और मॉडल की शब्दावली में बदलाव होने पर वे नियम टूट सकते हैं।
इन उपकरणों को अपनाने से पहले बिल्डरों को क्या जांचना चाहिए
रिपोर्ट में APIs का नाम दिया गया है, लेकिन यह सभी चार को विनिमेय के रूप में व्यवहार करने के लिए पर्याप्त सार्वजनिक विवरण प्रदान नहीं करता है। वर्कफ़्लो में एक जोड़ने से पहले, सटीक आउटपुट स्कीमा, समर्थित प्रकारों, त्रुटि व्यवहार, विलंबता, मूल्य निर्धारण, डेटा प्रतिधारण और क्या संभावनाएं अनुरोधों पर लगातार उजागर होती हैं, इसके लिए आधिकारिक प्रलेखन की जांच करें।
डेवलपर्स को यह भी पूछना चाहिए कि सिस्टम अस्पष्ट इनपुट को कैसे संभालता है। एक निर्णय API जो विकल्प के लिए मजबूर करता है, उपयोगी हो सकता है, लेकिन यदि मॉडल को कोई उपयुक्त नहीं होने पर किसी विकल्प को चुनने के लिए प्रेरित किया जाता है तो यह अनिश्चितता को भी छिपा सकता है। अच्छे डिजाइन में आमतौर पर एक फॉलबैक शामिल होता हैः कोई मैच नहीं, अज्ञात, या समीक्षा की आवश्यकता होती है मूल्य, साथ ही एप्लिकेशन को बढ़ाने का एक तरीका।
कैलिब्रेशन मायने रखता है। यदि 0.9 का स्कोर स्वचालित रूप से कार्यों को अनुमोदित करने के लिए उपयोग किया जाता है, तो टीम को पता होना चाहिए कि क्या यह स्कोर वास्तविक परिस्थितियों में 90% सटीकता के अनुरूप है। मूल्यांकन डेटा के बिना, संभावना अभी भी मदद कर सकती है, लेकिन इसे गारंटी के रूप में नहीं माना जाना चाहिए। स्रोत इन उपकरणों के लिए बेंचमार्क नंबर सूचीबद्ध नहीं करता है, इसलिए टीमों को प्रतिनिधि आंकड़ों के साथ अपने स्वयं के परीक्षण चलाने चाहिए।
आगे क्या देखना है
व्यापक संकेत यह है कि AI बुनियादी ढांचा चैट बक्से से परे और निर्णय परतों की ओर बढ़ रहा है। एजेंट, कॉपिलॉट्स और स्वचालित वर्कफ़्लो को उन आउटपुट की आवश्यकता होती है जिन पर एप्लिकेशन कार्य कर सकते हैं, न केवल पढ़ने के लिए। जेव, OpenAI s Decisions API Cloudflare Clef और Strands Decider सभी उस प्रवृत्ति में फिट होते हैं जो पाठ के बजाय संभावनाओं के साथ टाइप किए गए विकल्प वापस करते हैं।
अगली बात यह है कि प्रत्येक उत्पाद कितनी खुलकर decision और probability को परिभाषित करता है। यदि APIs स्पष्ट योजनाएं, एकीकरण उदाहरण और विश्वसनीयता नोट प्रकाशित करते हैं, तो उन्हें अपनाना आसान हो जाता है। अगर वे अस्पष्ट रहते हैं, बिल्डरों को वास्तविक उपयोगकर्ताओं के सामने रखने से पहले सीधे उनका परीक्षण करने की आवश्यकता हो सकती है।
अभी के लिए, उपयोगी टेकअवे सरल हैः जब एक AI फ़ीचर को चुनना होता है, तो ऐसा पैटर्न चुनें जो प्रोग्राम द्वारा उपयोग किए जा सकने वाले मूल्य को लौटाता हो। टेक्स्ट किसी निर्णय का वर्णन कर सकता है; संभावनाओं के साथ टाइप किए गए विकल्प निर्णय हो सकते हैं.

Comments (0)