# โมเดล บริบท และคำตอบที่ผิด

Taiga Learning · ใบงาน
https://taiga.training/th/lessons/models-context/

ใช้ข้อมูลสมมติหรือข้อมูลที่อนุมัติแล้ว อย่าใส่ secret ในใบงานนี้

## วัตถุประสงค์การเรียนรู้
- แยกความสามารถของโมเดลออกจากการเข้าถึงข้อเท็จจริงปัจจุบัน
- สังเกตว่าข้อจำกัดที่ไม่ได้ระบุทำให้คำตอบที่ดูสมเหตุสมผลผิดไปเมื่อใด
- ขอหลักฐานที่ตรวจดูได้

## แบบฝึกหัด
เลือกฟังก์ชันเล็ก ๆ ที่คุณเข้าใจ ใช้โค้ดที่ไม่มีข้อมูลอ่อนไหว
1. ขอให้เครื่องมือ AI ที่ได้รับอนุมัติอธิบายฟังก์ชัน
2. ให้โค้ดส่วนที่เรียกฟังก์ชันและ test ที่ไม่ผ่านหนึ่งรายการ
3. ขอให้เครื่องมือปรับคำอธิบาย
4. บันทึกข้อสรุปที่เปลี่ยนไปและหลักฐานที่ทำให้เปลี่ยน
5. บันทึกความไม่แน่นอนที่ยังเหลืออยู่

## คำตอบของคุณ
- สถานการณ์และขอบเขต:
- สมมติฐานและคำถามที่ยังไม่ได้ข้อยุติ:
- คำตอบหรือการตัดสินใจที่เสนอ พร้อมเหตุผล:

## ตรวจสอบคำตอบของคุณ
| ข้ออ้างหรือเกณฑ์ | หลักฐานหรือ test | ผลหรือสิ่งที่ยังขาด | ผู้รับผิดชอบ |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## งานถัดไป
- งาน ผู้รับผิดชอบ และวันที่:
- คุณจะตรวจทานคำตอบนี้เมื่อใด

## หลักการที่ควรจำ
ผลลัพธ์ที่มีประโยชน์ต้องอาศัยทั้งความสามารถและข้อมูลที่ถูกต้องสำหรับงาน คำอธิบายที่ชัดเจนไม่ได้พิสูจน์ว่าโมเดลตรวจสอบสมมติฐานแล้ว

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

ใบงานนี้ช่วยในการเรียนรู้ การทำเสร็จไม่ได้อนุญาตให้เปลี่ยน production โดยตัวมันเอง