हमारा मौलिक, काल्पनिक शिक्षण उदाहरण। मॉडल का कोई परिणाम पहले से भरा नहीं है।
बदला जा सकने वाला शुरुआती उदाहरण
- 1 · जाँचने के लिए पाठ
- मूल प्रश्न या अनुरोध: मैं अपना इनवॉइस कहाँ से डाउनलोड कर सकता हूँ और अगले महीने के लिए कंपनी का नाम कैसे बदलूँ? भेजने के लिए तैयार जवाब: बिलिंग → इनवॉइस से अपना इनवॉइस डाउनलोड करें। आगे के इनवॉइस के लिए, अगली बिलिंग तारीख से पहले बिलिंग → विवरण में कंपनी का नाम बदलें।
- 2 · आपका सवाल
- क्या जवाब अनुरोध के सभी स्पष्ट हिस्सों का उत्तर देता है?
- कब ‘हाँ’ लागू होता है?
- हर स्पष्ट सवाल या अनुरोध का जवाब दिया गया है, जिसमें जवाब उपलब्ध न होने पर यह बात साफ़ कहना भी शामिल है।
- कब ‘नहीं’ लागू होता है?
- कम से कम एक स्पष्ट सवाल या अनुरोध का जवाब नहीं दिया गया है।
ये मॉडल की संभावनाएँ हैं, मापी गई सटीकता या गारंटी नहीं। हाँ और नहीं आपके नियमों के अनुसार हैं; विकल्पों की तुलना केवल आपके दिए गए विकल्पों के बीच होती है।
दो अलग मात्राएँ
किसी विकल्प की प्रायिकता एक संभावित नतीजे से जुड़ी होती है। TypeSafe का Choice कॉन्फिडेंस पूरे विकल्प वितरण के आकार का सार देता है; यह सबसे आगे वाले विकल्प की प्रायिकता का दूसरा नाम नहीं है। Noul में हाँ की प्रायिकता होती है और अलग कॉन्फिडेंस फ़ील्ड नहीं होता। हमारा कस्टम संपादक मॉडल की प्रायिकताएँ दिखाता है, स्वतंत्र रूप से मापी गई सटीकता दर नहीं।
हाँ की ऊँची प्रायिकता को “मॉडल इस काम में अच्छा है” न समझें। इसका अर्थ दिए गए नियमों के तहत उस विशेष प्रश्न का उत्तर हाँ होना है। निरपेक्ष वादों की जाँच में हाँ किसी संभावित समस्या को दिखाता है; आवश्यकताओं की कवरेज जाँच में हाँ का मतलब शर्त पूरी होती दिखाई देना है।
संलग्न उत्तर वाला अभ्यास करें
उत्तर की पूर्णता वाला टेम्पलेट लोड करें, नियम पढ़ें और तय करें कि उत्तर को किन स्पष्ट आवश्यकताओं को संबोधित करना चाहिए। उत्तर का एक भाग बदलें और सुझावों की तुलना करें। पेज कोई अपेक्षित प्रायिकता नहीं देता, और केवल संख्या बदलना सुधार का प्रमाण नहीं है।
कस्टम संपादक प्रदाता का अलग Choice कॉन्फिडेंस फ़ील्ड नहीं दिखाता। उसकी किसी प्रायिकता पट्टी को कॉन्फिडेंस का नाम न दें।
भरोसेमंद दिखने वाली गलतियाँ खोजें
ऐसा अधूरा उत्तर आजमाएँ जिसमें सभी विषयों का उल्लेख हो, लेकिन प्रश्नों के जवाब न हों। ऐसा उत्तर भी जाँचें जो अलग शब्दों में स्पष्ट जवाब देता हो। किसी एक नतीजे पर केंद्रित वितरण भी गलत व्याख्या, खराब प्रश्न या अधूरे संदर्भ को दर्शा सकता है। संख्याओं से मॉडल निश्चित दिखे, तब भी विफलताओं की समीक्षा करें।
प्रमाण के आधार पर सीमाएँ चुनें
अपने आप कार्रवाई करने से पहले प्रतिनिधि उदाहरण इकट्ठा करें, जिनके निर्णय मॉडल के आउटपुट से स्वतंत्र रूप से किए गए हों। गलत स्वीकृतियों और अनावश्यक रूप से मानवीय समीक्षा को भेजे गए मामलों का अलग-अलग हिसाब रखें। हर प्रकार की गलती की लागत के अनुसार कार्रवाई की सीमा चुनें और ऐसे उदाहरणों पर उसे जाँचें जिन्हें नियम बदलने के लिए इस्तेमाल नहीं किया गया था। यह पाठ कोई सार्वभौमिक सीमा सुझाता नहीं है।
उत्तर की पूर्णता जाँचने की विधि पर आगे बढ़ें। वेबसाइट की कार्यक्षमता की जाँच और अलग-अलग लाइव परिणाम प्रायिकताओं के कैलिब्रेशन या बेंचमार्क सटीकता को स्थापित नहीं करते।
स्रोत और आगे की पढ़ाई
यह मार्गदर्शिका आधिकारिक दस्तावेज़ों और लिंक की गई सामुदायिक रिपोर्टों पर आधारित है। समुदाय के अवलोकनों का श्रेय उनके लेखकों को दिया गया है।
हम स्रोत कैसे जाँचते हैं