# Modele, kontekst i błędne odpowiedzi

Taiga Learning · Arkusz
https://taiga.training/pl/lessons/models-context/

Używaj fikcyjnych lub zatwierdzonych informacji. Nie umieszczaj sekretów w arkuszu.

## Cele nauki
- Oddzielaj możliwości modelu od dostępu do aktualnych faktów.
- Rozpoznawaj sytuacje, w których brak ograniczenia zmienia pozornie wiarygodną odpowiedź.
- Proś o dowody, które możesz sprawdzić.

## Ćwiczenie
Wybierz małą funkcję, którą rozumiesz. Użyj kodu bez informacji wrażliwych.
1. Poproś zatwierdzone narzędzie AI o wyjaśnienie funkcji.
2. Podaj kod wywołujący i jeden nieudany test.
3. Poproś narzędzie o poprawienie wyjaśnienia.
4. Zapisz zmienione twierdzenie i dowód, który spowodował zmianę.
5. Zapisz pozostałe niewiadome.

## Twoja odpowiedź
- Scenariusz i zakres:
- Założenia i otwarte pytania:
- Proponowana odpowiedź lub decyzja z uzasadnieniem:

## Sprawdź odpowiedź
| Twierdzenie lub kryterium | Dowód lub test | Wynik lub luka | Właściciel |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Następne działanie
- Działanie, właściciel i data:
- Kiedy przejrzysz tę odpowiedź?

## Zasada do zapamiętania
Przydatny wynik wymaga możliwości modelu i właściwych informacji o zadaniu. Jasne wyjaśnienie nie dowodzi, że model sprawdził założenia.

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

Arkusz wspiera naukę. Samo ukończenie nie upoważnia do zmiany produkcji.