Referee.chat ass e Primtal.
Referee.chat féiert e Zil duerch eng Panel. Dir setzt sou vill KI Modeller wéi Dir wëllt - zwee, oder sechs, vun all Verkeefer déi Dir wëllt - an e méi Referee. De Referee ass de Deel deen wichteg ass: et entscheet wann d'Ziel wierklech erfëllt ass, an et ass gebaut fir 'net nach' vill méi dacks ze soen wéi et 'erfollegt' seet.
Firwat e Referendum?
Stellt engem Modell eng schwiereg Fro an Dir kritt eng flësseg Äntwert ob et richteg ass oder net. Stellt méi Modeller eng schwiereg Fro an se sinn dacks mateneen averstanen, wat sech wéi eng Korrektur fillt an net ass - Modeller deelen Trainingsdaten an deelen blind Spots. Dofir kënnt Dir d'Sëtz wielen: eng Panel, déi vu verschiddene Verkeefer gezunn ass, schléisst an verschidde Richtungen aus, an d'Onaccord tëscht hinnen ass e Signal, dat et wäert ass. De Feelermodus ass net datt d'Äntwert falsch ass; et ass datt näischt am Prozess et jeemools falsch erfaassen huet.
D' Argumenter sinn net vun der Argumentqualitéit ofhängeg. D' Zil gëtt an Akzeptanzkritären zerkläert, an e Kriterium gëtt nëmmen entscheet wann et eppes hannert him gëtt, wat eng Drëtt Partei nees iwwerpréiwen kann: eng Quell mat der relevanter Zitater, oder Code deen tatsächlech ausgefouert gouf an seng real Ausgab. De Referee iwwerpréift dës Beweiser selwer nees virum Uerteel. Vertrauen zählt fir näischt.
Dir setzt d'Limit
De Standard ass Är Wiel, an de Referee hält et liicht. Frot no enger Antwort mat Decisiounswäert an Dir kritt eng. Frot no engem Beweis, deen de Clay Prize- Examen iwwerliewen géif an d' ehrlich Resultat ass normalerweis e genaue Kont wou d' Panel net genuch war - wat méi nëtzlech ass wéi eng zouverléisseg Behauptung, déi Dir selwer iwwerpréiwen musst.
D'Stäerkt ass d'Zuel vun de Stären.
Wann e Sëtz op eng Mauer fält, da stoppt en an iwwerreecht eng spezifesch Fro un dee Sëtz, deen déi bescht Positioun huet fir se ze beäntweren, zesumme mat deem, wat et scho probéiert huet. Et schéckt d'Fro, net d'Transkriptioun. Modeller falen aus wann se fest sinn - si selwer op volle Käschten erofzesetzen - an dat konvertéiert dat an eng gezielte Fro, déi normalerweis fir e Bruchteel vun de Token ofblockéiert.
D'Lëtzebuerger Land
All d'Donnéeën déi d'Panel erstellt, ginn an e gemeinsame Kont gesat, sou datt d'Resultater eemol geschriwen a ni erëm ofgeleet ginn, an d'Sackgassen opgezielt ginn, sou datt niemand dohinner zréckgeet. Matchs lafen op der Serversäit a pauséieren op eng sécher Manéier - op Budget, op Provider-Ausfall, oder well Dir d'Tab geschloss hutt - a fueren genau do weider, wou se gestoppt goufen.