Kvíz spojený s průvodcem · Střední úroveň

AI halucinační kvíz

Zkontrolujte plynulou výrobu, věrnost zdroje, limity vyhledávání, ověřování citací a hodnocení tvrzení o faktické spolehlivosti založené na důkazech.

Související vodicí cestyAI halucinace
Otázka 1 z 8

Proč samotná předpověď dalšího tokenu nedokáže ověřit faktické tvrzení ve vygenerované odpovědi?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Proč samotná předpověď dalšího tokenu nedokáže ověřit faktické tvrzení ve vygenerované odpovědi?
    • Každý model je připojen pouze k nespolehlivým webům
    • Všichni uživatelé kladou gramaticky nesprávné otázky
    • Věrohodné pokračování není totéž jako důkaz, že tvrzení je pravdivé
    • Plynulá odpověď automaticky potvrzuje skutečnost
  2. Proč jsou halucinace obzvlášť nebezpečné?
    • Jsou vždy psány nefunkční gramatikou, takže je uživatelé ignorují
    • Objevují se pouze v chybových zprávách
    • Způsobují pád modelu
    • Jsou dodávány plynule a s jistotou, takže chyby snadno přehlédnete
  3. Odstraňuje rozšířená generace (RAG) zcela halucinace?
    • Ano, RAG garantuje věcné odpovědi
    • Ne, modely mohou stále odporovat nebo ignorovat hlučný nebo konfliktní načtený text
    • Ano, ale pouze o víkendech
    • Ne, protože RAG nikdy neposkytuje žádné dokumenty
  4. Jaký je skutečný příklad halucinace?
    • Model citující soudní případ, který neexistuje
    • Modelka odmítá odpovědět na otázku
    • Modelka klade upřesňující otázku
    • Model vrací prázdnou odpověď
  5. Which workflow can help check a generated factual answer?
    • Trust every citation because it looks formal
    • Treat a low sampling temperature as proof of correctness
    • Hide the evidence so the answer is easier to read
    • Retrieve relevant material and verify whether its statements and citations support the claims
  6. How should a claim that a new model has eliminated hallucinations be assessed?
    • Accept it solely because the announcement sounds confident
    • Assume one successful example proves every application
    • Use defined tasks, evidence, and measurement conditions rather than assume universal reliability
    • Judge only whether the model produces polished prose
  7. A generated answer cites a real page, but the page does not support the associated factual statement. What remains unverified?
    • The support for that particular claim
    • Whether a URL can be opened
    • Whether the model used fluent sentences
    • Whether the citation contains text
  8. A supplied document says delivery takes five business days, but its generated summary says two. Which check reveals the error?
    • Counting how many sentences the summary contains
    • Comparing the summary's quantity with the source document
    • Checking only whether the prose sounds confident
    • Assuming summaries may replace any source number