# Μοντέλα, πλαίσιο και λανθασμένες απαντήσεις

Taiga Learning · Φύλλο εργασίας
https://taiga.training/el/lessons/models-context/

Χρησιμοποιήστε φανταστικές πληροφορίες ή πληροφορίες των οποίων η χρήση έχει εγκριθεί. Μην καταχωρίζετε μυστικά σε αυτό το φύλλο εργασίας.

## Μαθησιακοί στόχοι
- Διαχωρίστε την ικανότητα του μοντέλου από την πρόσβαση σε ενημερωμένες πληροφορίες.
- Αναγνωρίστε πότε ένας περιορισμός που λείπει αλλάζει μια κατά τα άλλα εύλογη απάντηση.
- Ζητήστε αποδεικτικά στοιχεία που μπορείτε να εξετάσετε.

## Άσκηση
Επιλέξτε μια μικρή συνάρτηση που κατανοείτε. Χρησιμοποιήστε κώδικα χωρίς ευαίσθητες πληροφορίες.
1. Ζητήστε από ένα εγκεκριμένο εργαλείο AI να εξηγήσει τη συνάρτηση.
2. Δώστε τον κώδικα που την καλεί και ένα αποτυχημένο test.
3. Ζητήστε από το εργαλείο να αναθεωρήσει την εξήγησή του.
4. Καταγράψτε τον ισχυρισμό που άλλαξε και τα αποδεικτικά στοιχεία που τον άλλαξαν.
5. Καταγράψτε όποια αβεβαιότητα παραμένει.

## Η απάντησή σας
- Σενάριο και πεδίο εφαρμογής:
- Παραδοχές και ανοιχτά ερωτήματα:
- Προτεινόμενη απάντηση ή απόφαση, με αιτιολόγηση:

## Επαληθεύστε την απάντησή σας
| Ισχυρισμός ή κριτήριο | Αποδεικτικά στοιχεία ή δοκιμή | Αποτέλεσμα ή έλλειψη | Υπεύθυνος |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Επόμενη ενέργεια
- Ενέργεια, υπεύθυνος και ημερομηνία:
- Πότε θα επανεξετάσετε αυτή την απάντηση;

## Αρχή που πρέπει να θυμάστε
Μια χρήσιμη έξοδος χρειάζεται ικανότητα και τις σωστές πληροφορίες για την εργασία. Μια σαφής εξήγηση δεν αποδεικνύει ότι το μοντέλο έλεγξε τις υποθέσεις του.

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

Αυτό το φύλλο εργασίας υποστηρίζει τη μάθηση. Η συμπλήρωσή του δεν αποτελεί από μόνη της εξουσιοδότηση για αλλαγή στο περιβάλλον παραγωγής.