# 模型、上下文與錯誤答案

Taiga Learning · 工作表
https://taiga.training/zh-TW/lessons/models-context/

使用虛構或核准資訊。不要把機密值放入此工作表。

## 學習目標
- 區分模型能力與取得最新事實的能力。
- 辨識缺少限制條件時，看似合理的答案會如何改變。
- 要求能親自檢查的證據。

## 練習
選一個你了解的小函式，使用不含敏感資訊的程式碼。
1. 請核准的 AI 工具解釋函式。
2. 提供呼叫端和一個失敗測試。
3. 請工具修正解釋。
4. 記錄哪項說法改變，以及什麼證據造成改變。
5. 記錄仍然存在的不確定性。

## 你的回答
- 情境與範圍：
- 假設與未解問題：
- 提出的答案或決定，以及理由：

## 驗證回答
| 陳述或條件 | 證據或測試 | 結果或缺口 | 負責人 |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## 下一步操作
- 操作、負責人與日期：
- 何時重新檢視此回答？

## 應保留的原則
有用輸出需要模型能力，也需要正確的任務資訊。解釋清楚，不代表模型已檢查假設。

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

此工作表協助學習。完成工作表本身，不授權修改正式環境。