اے آئی ہیلوسینیشن کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. اگلی ٹوکن پیشن گوئی اکیلے کیوں پیدا کردہ جواب میں حقائق پر مبنی دعوے کی تصدیق کرنے میں ناکام رہتی ہے؟
   • ہر ماڈل صرف ناقابل اعتبار ویب سائٹس سے منسلک ہے۔
   • تمام صارفین گرامر کے لحاظ سے غلط سوالات پوچھتے ہیں۔
   • ایک قابل فہم تسلسل اس بات کا ثبوت نہیں ہے کہ بیان درست ہے۔
   • ایک روانی کا جواب خود بخود حقیقت کو ثابت کرتا ہے۔
2. ہیلوسینیشن خاص طور پر خطرناک کیوں ہیں؟
   • وہ ہمیشہ ٹوٹے ہوئے گرامر میں لکھے جاتے ہیں لہذا صارفین انہیں نظر انداز کرتے ہیں۔
   • وہ صرف غلطی کے پیغامات میں ظاہر ہوتے ہیں۔
   • وہ ماڈل کو کریش کرنے کا سبب بنتے ہیں۔
   • وہ روانی اور اعتماد کے ساتھ فراہم کیے جاتے ہیں، لہذا غلطیوں کو یاد کرنا آسان ہے۔
3. کیا بازیافت سے بڑھی ہوئی نسل (RAG) فریب کو مکمل طور پر ختم کرتی ہے؟
   • ہاں، RAG حقائق پر مبنی جوابات کی ضمانت دیتا ہے۔
   • نہیں، ماڈل اب بھی شور یا متصادم بازیافت شدہ متن سے متصادم یا نظر انداز کر سکتے ہیں۔
   • ہاں، لیکن صرف ویک اینڈ پر
   • نہیں، کیونکہ RAG کبھی بھی کوئی دستاویزات فراہم نہیں کرتا ہے۔
4. فریب کی ایک حقیقی مثال کون سی ہے؟
   • ایک عدالتی کیس کا حوالہ دینے والا ماڈل جو موجود نہیں ہے۔
   • ماڈل ایک سوال کا جواب دینے سے انکار کر رہا ہے۔
   • ماڈل ایک واضح سوال پوچھ رہا ہے۔
   • ماڈل خالی جواب دے رہا ہے۔
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