# Mô hình, ngữ cảnh và câu trả lời sai

Taiga Learning · Worksheet học tập
https://taiga.training/vi/lessons/models-context/

Dùng thông tin giả định hoặc được phê duyệt. Không đưa secret vào worksheet này.

## Mục tiêu học tập
- Phân biệt năng lực mô hình với khả năng tiếp cận thông tin thực tế hiện tại.
- Nhận ra khi ràng buộc còn thiếu làm thay đổi một câu trả lời có vẻ hợp lý.
- Yêu cầu bằng chứng mà bạn có thể kiểm tra.

## Bài tập
Chọn một hàm nhỏ mà bạn hiểu. Dùng mã không chứa thông tin nhạy cảm.
1. Yêu cầu công cụ AI đã được phê duyệt giải thích hàm.
2. Cung cấp phần mã gọi hàm và một test thất bại.
3. Yêu cầu công cụ sửa lại lời giải thích.
4. Ghi nhận định đã thay đổi và bằng chứng làm thay đổi nó.
5. Ghi mọi điều chưa chắc chắn còn lại.

## Câu trả lời của bạn
- Kịch bản và phạm vi:
- Giả định và câu hỏi còn mở:
- Câu trả lời hoặc quyết định đề xuất, kèm lý do:

## Xác minh câu trả lời
| Nhận định hoặc tiêu chí | Bằng chứng hoặc test | Kết quả hoặc khoảng trống | Người phụ trách |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Hành động tiếp theo
- Hành động, người phụ trách và ngày:
- Khi nào bạn sẽ xem lại câu trả lời này?

## Nguyên tắc cần giữ
Đầu ra hữu ích cần cả năng lực lẫn thông tin đúng cho tác vụ. Lời giải thích rõ ràng không chứng minh mô hình đã kiểm tra các giả định.

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

Worksheet hỗ trợ học tập. Hoàn tất nó tự nó không cho phép thay đổi production.