传一段模型回答,12 分钟拿到逐句标好红黄绿的标注报告。大模型应用工程师对模型输出逐句标注幻觉内容,标出错误类型和依据。不替代人工审核,不提供修正方案,最终由工程师确认。
检查哪类幻觉、覆盖范围、上传模型回答文本、标记哪些信息、判定依据、颜色规则、补充说明、输出样式、批量抽样模式、抽样条数、交付格式、确认责任边界;AI 只做整理参考,不替代审批,最终由经办部门确认。多数点一下就行,没选的按常见情况替你定,交付时说清哪几项是按默认的。
「这段模型回答里好像有瞎编的内容,你能不能直接在原文里用红色标出来并写上理由?」
替他选了:数据/数值错误 · 是否幻觉、错误类型、原文位置(第X句) · 仅标红错句,其余灰字