# Modely, kontext a nesprávné odpovědi

Taiga Learning · Pracovní list
https://taiga.training/cs/lessons/models-context/

Používejte fiktivní nebo schválené informace. Do pracovního listu nevkládejte tajné údaje.

## Cíle učení
- Odlišit schopnosti modelu od přístupu k aktuálním faktům.
- Rozpoznat, kdy chybějící omezení změní jinak věrohodnou odpověď.
- Vyžádat si důkazy, které lze zkontrolovat.

## Cvičení
Vyberte malou funkci, které rozumíte. Použijte kód bez citlivých informací.
1. Požádejte schválený nástroj AI o vysvětlení funkce.
2. Doplňte volající kód a jeden neúspěšný test.
3. Požádejte nástroj o úpravu vysvětlení.
4. Zapište změněné tvrzení a důkaz, který ke změně vedl.
5. Zapište zbývající nejistotu.

## Vaše odpověď
- Scénář a rozsah:
- Předpoklady a otevřené otázky:
- Navržená odpověď nebo rozhodnutí s důvody:

## Ověřte odpověď
| Tvrzení nebo kritérium | Důkaz nebo test | Výsledek nebo nedostatek | Odpovědná osoba |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Další akce
- Akce, odpovědná osoba a datum:
- Kdy tuto odpověď znovu posoudíte?

## Zásada k zapamatování
Užitečný výstup vyžaduje schopný model i správné informace o úkolu. Jasné vysvětlení neprokazuje, že model ověřil své předpoklady.

## Zdroje
- [NIST: Generative AI Profile, AI 600-1](https://doi.org/10.6028/NIST.AI.600-1)

Tento pracovní list podporuje učení. Jeho vyplnění samo nepovoluje produkční změnu.