
1. မော်ဒယ်မရွေးမီ အလုပ်သတ်မှတ်ပါ
ကိုးကားချက်ရှာ၊ ဘာသာပြန်နှိုင်း၊ စတင်သူကိုအစဉ်အလာမိတ်ဆက်ခြင်းသည် အလုပ်မတူပါ။ အချက်အလက်နှင့်စံမတူလိုသည်။ “ဗုဒ္ဓဉာဏ်ရည်တု” ဖန်တီးမည်ဟူသောကျယ်ကတိက ကွာခြားမှုဖုံးပြီး အောင်မြင်မှုမသတ်မှတ်မီ အခြေခံစနစ်သုံးစရိတ်အားပေးသည်။
ဖြစ်နိုင်ပထမ Matreya အစမ်းက ခွင့်ရှိစာစုအကြောင်းကန့်သတ်မေးခွန်းဖြေ၍ ပံ့ပိုးစာပိုဒ်ပြမည်။ အောင်မြင်မှုသည် မှတ်တမ်းတင်အခြေအနေအောက် မှားကိုးကားချက်လျော့ခြင်းဖြစ်မည်။ လိုအပ်စာမရှိ၍ မဖြေခြင်းက တစ်ခါတစ်ရံမှန်ရလဒ်ဖြစ်မည်။ သုတေသနအဆိုပြုချက်သာဖြစ်ပြီး စမ်းသပ်ချက်ကအဆိုပံ့ပိုးနိုင်မီ စာစုခွင့်၊ လွတ်လပ်မေးခွန်းနှင့် ကျွမ်းကျင်စစ်သူကို တည်ဆောက်ရန်လိုဆဲဖြစ်သည်။
2. ရှာဖွေခြင်းက ဖန်တီးခြင်းသို့ ဘာထပ်ပေးသနည်း
Lewis နှင့်အဖွဲ့က စာဖန်တီးမှုနှင့် ပြင်ပစာတမ်းစုရရှိခွင့်ကို ပေါင်းသော RAG ပုံစံတင်ပြခဲ့သည်။ [1] လက်တွေ့ခြားနားချက်မှာ အကြောင်းအရာရှာခြင်းနှင့် အဖြေရေးခြင်းဖြစ်သည်။ အညွှန်းကို မော်ဒယ်ပါရာမီတာမှ သီးခြားမှတ်တမ်း၊ ပြုပြင်နိုင်သော်လည်း ရှာတွေ့စာက သစ္စာရှိသုံးမည်ဟု မအာမခံပါ။
ဖတ်သူသုံးကိရိယာတွင် အဖြေတို၊ ပံ့ပိုးစာပိုဒ်နှင့် ဝန်းကျင်ရင်းမြစ်ကို ပြနိုင်သည်။ ရှာမအောင်လျှင်လည်း ပြရမည်။ အကဲဖြတ်က လမ်းတစ်လျှောက်စစ်ရမည်—မှန်စာတမ်းတွေ့သလား၊ မှန်ပိုဒ်ရွေးသလား၊ နိဂုံးသည်လိုက်လာသလား။ စကားပြေတစ်ခုတည်းကောင်းစေခြင်းက ရှေ့အဆင့်ကျရှုံးမှုဖုံးနိုင်သည်။ ဗိသုကာအမည်က ယုံကြည်ရလက်မှတ်မဟုတ်ပါ။
- 01မေးခွန်း→
- 02ရင်းမြစ်ရှာဖွေမှု→
- 03ကိုးကားပါအဖြေ→
- 04လူသားစစ်ဆေးမှု
Matreya ၏ တည်းဖြတ်ရေးပုံကြမ်း—နည်းလမ်းကို ရှင်းပြသည့်ပုံဖြစ်ပြီး စမ်းသပ်ရလဒ် မဟုတ်ပါ။
3. တကယ့်ရည်ညွှန်းချက်လည်း လမ်းလွဲစေနိုင်သည်
မော်ဒယ်က ရှိသောထုတ်ဝေမှုကိုကိုးကားသော်လည်း ထိုစာမပါအဆိုကို အပ်နိုင်သည်။ ငြင်းစကားမမြင် သို့မဟုတ် သတိထားအကြံကို သေချာချက်ပြောင်းနိုင်သည်။ ဗုဒ္ဓစာပေတွင် အဋ္ဌကထာနှင့်မူလကျမ်း၊ ကျောင်းတစ်ခုအမြင်နှင့် အစဉ်အလာအားလုံးသဘောတူမှုကိုလည်း ရောနိုင်သည်။
ALCE သည် အချက်အလက်မှန်မှုနှင့် ကိုးကားအရည်အသွေးကို အကဲဖြတ်အရာသီးခြားအဖြစ်ယူသည်။ [2] ဆက်ဆံရေးသုံးခုစစ်ရန် အဆိုပြုသည်—ရင်းမြစ်ရှိ၊ ကိုးကားပိုဒ်တွင်ဆိုင်အထောက်အထားပါ၊ အဆိုသည်ထိုအထောက်အထားနယ်အတွင်းရှိရမည်။ အဖြေတွင် မူရင်းအကြောင်း၊ ပြန်ပြောနှင့် အနက်ဖွင့်ခြင်းကို ထင်ရှားခွဲနိုင်သည်။ လင့်ခ်က ဆိုင်ရာဗားရှင်းနှင့်ဘာသာပြန်စစ်ခွင့်ပေးရမည်။ စာမူမတူလျှင် မျက်နှာပြင်က သဘောတူသလိုပျမ်းမျှလုပ်မည့်အစား ကွာခြားချက်ထိန်းရမည်။
4. မအောင်မြင်နိုင်သော အကဲဖြတ်မှုတည်ဆောက်ပါ
အသုံးဝင်စမ်းသပ်စုတွင် ရိုးရင်းမြစ်မေးခွန်း၊ ဘာသာပြန်နှိုင်း၊ မှားယူဆချက်မေးခွန်းနှင့် စာစုမဖြေနိုင်မေးခွန်းပါနိုင်သည်။ နောက်နှစ်မျိုးက ရှောင်သင့်ချိန်အချက်အလက်ဖန်တီးသလား ဖော်ပြသည်။
မျှော်မှန်းအဖြေကို စမ်းသပ်မော်ဒယ်မှ လွတ်လပ်စွာပြင်ရမည်။ တစ်ဦးမေးခွန်းဖန်တီး၍ နောက်တစ်ဦးကိုးကားစစ်နိုင်သည်။ မတူမှုကို မှတ်ပြီး အချို့မေးခွန်းနောက်ဆုံးအကဲဖြတ်ရန်သိမ်းရမည်။ ရှာဖွေရှိ/မရှိနှိုင်းရာတွင် တူမေးခွန်း၊ မော်ဒယ်ဗားရှင်းမှတ်တမ်းနှင့် ရင်းမြစ်ဘတ်ဂျက်ရှင်းလိုသည်။ အစီရင်ခံက ပျမ်းမျှနှင့်အတူ ကျရှုံးအမျိုးအစားပြသင့်သည်။ အစဉ်အလာရောခြင်းက ဘာသာပြန်သူအမည်စာလုံးပေါင်းမှားခြင်းနှင့် မတူ၊ တစ်မျိုးတည်းတွက်လျှင် တိုးတက်ရန်ခက်သည်။
5. ဖတ်သူထံ တိကျညွှန်းနိုင်စာပိုဒ်ပေးပါ
တစ်အုပ်လုံးလင့်ခ်ပေးခြင်းက စစ်အလုပ်အများစုကို ဖတ်သူထံလွှဲသည်။ LongCite သည် နောက်ခံရှည်မေးဖြေ၌ ပိုအသေးစိတ်ကိုးကားမှုလေ့လာသည်။ [3] ဤနေရာဆိုင်ရာအချက်မှာ နည်းလမ်းဖြစ်သည်—ဖတ်သူက ရှာဖွေမှုအားလုံးထပ်မလုပ်ဘဲ အဆိုစစ်နိုင်လောက်အောင် တိကျမှုလိုသည်။
လိပ်စာသည် တည်မြဲပိုင်းအမှတ်၊ ပေရွက်ဘက် သို့မဟုတ် အတွဲနှင့်စာမျက်နှာဖြစ်နိုင်သည်။ လက်ရှိရှာရလဒ်အစဉ်အပေါ် မမူတည်သင့်ပါ။ နောက်ခံလည်းရရှိနေဆဲဖြစ်ရမည်—ကပ်လျက်စာကြောင်းက အမြင်သည် ရေးသူနောက်ဝေဖန်သောပြိုင်ဘက်အမြင်ဖြစ်ကြောင်းပြနိုင်သည်။ ရှာလွယ်အပိုင်းခွဲခြင်းက ထိုဆက်ဆံရေးချိုးနိုင်သည်။ ထို့ကြောင့် အကဲဖြတ်ရာတွင် ဆော့ဖ်ဝဲအင်ဂျင်နီယာအပြင် စာပေဗေဒနှင့် အစဉ်အလာကျွမ်းကျင်မှုလိုသည်။

6. အညွှန်းလည်း အခြားသူအကြောင်းအရာသုံးသည်
ဖတ်၊ ကူး၊ စာတိုပြ၊ ပြင်ပဝန်ဆောင်မှုသို့ပို့ခြင်းသည် အသုံးမတူပါ။ BDRC ရရှိခွင့်မူဝါဒက စုတွင်းပစ္စည်းအားလုံးကို ကန့်သတ်မဲ့တစ်ပုံစံဟု မယူသင့်ကြောင်းပြသည်။ [4]
မူကြမ်းကိရိယာမတည်မီ စုတစ်ခုစီအတွက် ခွင့်ပြုလုပ်ရပ်မှတ်တမ်းအဆိုပြုသည်—ရင်းမြစ်၊ ဗားရှင်း၊ သိမ်း/ပြစည်းကမ်း၊ ဖျက်လမ်းနှင့် တာဝန်ရှိဆက်သွယ်သူ။ မော်ဒယ်ပံ့ပိုးသူထံစာပိုဒ်ပို့ခြင်းက ထပ်စဉ်းစားရမည့်လုပ်ရပ်ဖြစ်သည်။ UNESCO ဉာဏ်ရည်တုကျင့်ဝတ်အကြံပြုချက်က တာဝန်ခံမှုနှင့်ယဉ်ကျေးမှုစုံလင်မှုဆွေးနွေးရည်ညွှန်းချက်ပေးသည်။ [5] မိမိစီမံကိန်းအသိအမှတ်ပြုလက်မှတ်မဟုတ်ပါ။ လက်တွေ့တာဝန်ယူမှုသည် ကောင်းစိတ်ဆန္ဒကြေညာရုံမဟုတ်ဘဲ တကယ့်အချက်အလက်စီးဆင်းမှုနားလည်၊ ပြင်နိုင်စေခြင်းဖြစ်သည်။
7. စစ်သူ၏တာဝန်ကို နယ်သတ်မှတ်ရမည်
အင်္ဂလိပ်ဘာသာပြန်အများစုသုံးစနစ်က ၎င်းတို့အနက်ဖွင့်ရွေးချယ်မှုကို ဆက်ခံနိုင်သည်။ ပိုဒစ်ဂျစ်တယ်ပြည့်သောအစဉ်အလာက ရှာဖွေမှုလွှမ်းနိုင်သည်။ မော်ဒယ်ကိုဘက်မလိုက်ခိုင်းရုံက ပျောက် သို့မဟုတ် မညီအချက်အလက်မပြင်နိုင်၊ စုဖွဲ့စည်းမှုနှင့်နယ်ကို မှတ်ရမည်။
စေတနာ့ဝန်ထမ်းက ကိုးကားအနည်းငယ်စစ် သို့မဟုတ် စာအမျိုးအစားရောမှုဖော်နိုင်သည်။ တစ်ကမ္ဘာလုံးဗုဒ္ဓမှန်ကန်မှုအာမခံရန် မသတ်မှတ်တာဝန်မပေးသင့်ပါ။ ပြင်ဆင်မှုတွင် လုပ်ငန်းစဉ်၊ တာဝန်ရှိသူနှင့် အရေးကြီးပြောင်းလဲမှုဖတ်သူကိုအသိပေးနည်းလိုသည်။ ရှာဖွေအကူက ဓမ္မရရှိမှုအကဲဖြတ်အာဏာ သို့မဟုတ် အစဉ်အလာကိုယ်စား ပုဂ္ဂိုလ်ရေးသင်ကြားမှု မဆိုသင့်ပါ။ နယ်သည် တကယ်စစ်ပြီးအလုပ်အတိုင်းဖြစ်ရမည်၊ ပုံမှန်မျက်နှာပြင်အပြုအမူ၌ပါ ထိုသို့ရှိရမည်။
8. ရလဒ်ငယ်လည်း အသုံးဝင်နိုင်သည်
မော်ဒယ်ထပ်ညှိခြင်းသည် သတ်မှတ်ကျရှုံးမှုကို ဖြေရှင်းသင့်သည်။ အမှန်အတားအဆီးက OCR မကောင်း၊ အမည်ပျောက် သို့မဟုတ် ဆက်စပ်အချက်မပြည့်လျှင် ထပ်လေ့ကျင့်ခြင်းမဖြေနိုင်ပါ။ မှတ်တမ်းကောင်းသောရှာကိရိယာငယ်က ပိုတန်ဖိုးနှင့် ပိုရှင်းသုတေသနအထောက်အထားပေးနိုင်သည်။
Matreya အဆိုပြုမေးခွန်းမှာ စစ်ပြီးစာပိုဒ်များက သတ်မှတ်အလုပ်စု၌ ကိုးကားတိကျမှုတိုးသလားဖြစ်သည်။ အဖြေက ကောင်း၊ မကောင်း သို့မဟုတ် မေးခွန်းအမျိုးအစားအလိုက်ဖြစ်နိုင်သည်။ နည်းနှင့်နယ်အများသိလျှင် ရလဒ်တိုင်းတန်ဖိုးရှိသည်။ စုတစ်ခု၌တိုးတက်ခြင်းက ဗုဒ္ဓစာပေအားလုံးယုံရကြောင်း မပြပါ။ ရင်းမြစ်တွေ့၊ အမှားပြင်၊ မဖြေရမေးခွန်းအသိအမှတ်ပြုနိုင်မှ ယုံကြည်မှုတိုးသည်၊ စာချောမှုနှင့်အရွယ်တစ်ခုတည်းက ပညာမသတ်မှတ်ပါ။
အဓိကအချက်များ
- RAG က ရှာဖွေခြင်းနှင့် စာဖန်တီးခြင်းခွဲသော်လည်း ရင်းမြစ်အတိုင်းမှန်အဖြေကို မအာမခံပါ။
- ကိုးကားချက်တိုင်း၏ တကယ်ရှိမှု၊ တိကျနေရာနှင့် အထောက်အထားဆိုင်ရာဆက်စပ်မှုကို စစ်ပါ။
- စီမံနိုင်အစမ်းတွင် လွယ်အောင်မြင်မှုသာမက မဖြေနိုင်မေးခွန်းနှင့် မှားအခြေခံယူဆချက်ပါရမည်။
ရင်းမြစ်နှင့် ဆက်လက်ဖတ်ရှုရန်
လင့်ခ်များသည် မူရင်းထုတ်ဝေမှု၊ စာပေ သို့မဟုတ် အဖွဲ့အစည်း၏ တရားဝင်စာမျက်နှာသို့ ညွှန်သည်။ ရရှိနိုင်မှုနှင့် ပြန်လည်အသုံးပြုခွင့်အခြေအနေ ကွာနိုင်သည်။
- Retrieval-Augmented Generation for Knowledge-Intensive NLP TasksLewis et al. / arXiv, 2020
မူရင်း RAG ဗိသုကာစာတမ်း၊ ရလဒ်များက ဗုဒ္ဓစာပေသို့ အလိုအလျောက်မသက်ရောက်ပါ။
- Enabling Large Language Models to Generate Text with CitationsGao et al. / EMNLP, 2023
ကိုးကားပါအဖြေအကဲဖြတ်သည့် ALCE စံနှင့်စာတမ်း။
- LongCite: Enabling LLMs to Generate Fine-grained Citations in Long-context QAZhang et al. / arXiv, 2024
ရှည်လျားနောက်ခံမေးဖြေတွင် အသေးစိတ်ကိုးကားမှု၊ အနာဂတ်ကိရိယာယုံကြည်ရမှုသက်သေ မဟုတ်ပါ။
- Access PoliciesBuddhist Digital Resource Center
ခွဲခြားထားသော ရရှိခွင့်အခြေအနေ ဥပမာ။
- Recommendation on the Ethics of Artificial IntelligenceUNESCO, 2021
တာဝန်ခံမှု၊ အခွင့်အရေးနှင့် ယဉ်ကျေးမှုစုံလင်မှုဆိုင်ရာ စံညွှန်းရည်ညွှန်းချက်။
ဉာဏ်ရည်တုအကူအညီဖြင့် Matreya က ပြင်ဆင်ထားသည့် တည်းဖြတ်ရေးဆောင်းပါးဖြစ်သည်။ ပြင်ပသိပ္ပံပညာရှင်များ သုံးသပ်အကဲဖြတ်ခြင်း မပြုရသေးပါ။ လွတ်လပ်စွာ စစ်ဆေးရန် ရင်းမြစ်များ ပေးထားသည်။
တည်းဖြတ်ရေးမူဝါဒ · အမှားတင်ပြရန် သို့မဟုတ် ဖြည့်စွက်အကြံပြုရန်

