Blog›Guides

गौंटलेट लूप टूटने के 5 तरीके (और हर एक को कैसे ठीक करें)

अस्पष्ट मानदंड, स्व-मूल्यांकन करने वाले निर्माता, नरम आलोचक, निर्धारित राउंड गणनाएँ और निर्णय लेने के लिए बहुत बड़े टुकड़े: पाँच पूर्वानुमानित विफलताएँ और उनके समाधान।

गौंटलेट लूप टूटने के 5 तरीके (और हर एक को कैसे ठीक करें)

गौंटलेट लूप टूटने के 5 तरीके (और प्रत्येक को कैसे ठीक करें)

गौंटलेट लूप बाहर से मजबूत दिखता है: निर्माता, आलोचक, एक बार, पुनरावृत्ति। व्यवहार में अधिकांश पहली बार विफल होते हैं, और वे पूर्वानुमानित तरीकों से विफल होते हैं। यहाँ पाँच विफलता मोड हैं जो हम देखते हैं, सबसे खराब पहले।

1. अस्पष्ट बार

सबसे आम हत्यारा। यदि बार "पुरस्कार-विजेता डिज़ाइन" या "विश्व-स्तरीय लेखन" है, तो आलोचक के पास लाने के लिए कुछ नहीं होता, इसलिए यह एक तुलना बनाता है और सब कुछ मंजूर कर देता है। लूप खुशी से घूमता है और आत्मविश्वास के साथ औसत दर्जे का उत्पादन करता है। ठीक करें: बार का नाम होना चाहिए (एक विशिष्ट पेज, पोस्ट, रेपो), लाने योग्य (आलोचक इसे खोल या स्क्रीनशॉट ले सकता है) और तुलनीय (दोनों आर्टिफैक्ट साथ-साथ बैठ सकते हैं)। यदि आप अपने बार में एक URL पेस्ट नहीं कर सकते, तो आपके पास अभी तक एक नहीं है।

2. निर्माता खुद को ग्रेडिंग कर रहा है

यदि वही एजेंट संदर्भ बनाता और न्याय करता है, तो निर्णय हर पूर्वाग्रह को विरासत में लेता है: प्रयास, लगाव, थकान। ठीक करें: आलोचक एक अलग उप-एजेंट है जिसमें ताजा संदर्भ होता है। यह दो आर्टिफैक्ट देखता है और कुछ और नहीं - योजना नहीं, राउंड गिनती नहीं, बहाने नहीं।

3. नरम आलोचक

एक आलोचक से पूछा गया "यह कितना अच्छा है, 1-10?" तो वह 7, फिर 8, फिर 9 देता है। स्कोर बहते हैं क्योंकि उन्हें उम्मीदों के खिलाफ आंका जाता है, और उम्मीदें चलती हैं। ठीक करें: आलोचक को एक बाइनरी काम दें। कौन सा बेहतर है, A या B, लेबल हटाए गए? और आवश्यकता है कि जब बार जीतता है तो यह सबसे बड़ा अंतर नाम दे - वह अंतर अगले राउंड का पूरा निर्देश है।

4. निश्चित राउंड गिनती

"इसे 5 बार सुधारें" ठीक उसी समय रुकता है जब मॉडल को लगता है कि वह आराम कर रहा है, चाहे काम महान हो या कचरा। ठीक करें: बाहर निकलना अंधा तुलना जीतना है, या एक मानव इसे कॉल करता है। और कुछ भी लूप को समाप्त नहीं करता।

5. टुकड़े न्याय करने के लिए बहुत बड़े

एक आलोचक एक हीरो सेक्शन, एक हथियार मॉडल, एक चार्ट की तुलना कर सकता है। यह ईमानदारी से "पूरे ऐप" की एक नज़र में तुलना नहीं कर सकता, इसलिए यह गोल कर देता है। ठीक करें: लक्ष्य को आर्टिफैक्ट में विभाजित करें जो इतने छोटे हों कि एक अंधा चयन सार्थक हो, और प्रत्येक टुकड़े को गौंटलेट करें।

ठीक करने के पीछे का पैटर्न

हर विफलता एक ही विफलता है: कहीं न कहीं, आत्म-निर्णय वापस लीक हो गया। टेम्पलेट सभी पाँच ठीक करने को एनकोड करता है; एनोटेटेड मूल उन्हें शूमर के अपने शब्दों में दिखाता है।

Tags
gauntlet-loop·agent-loop·prompt-engineering·claude-code·builder-critic·agents