有趣的事

使用 GPT 时问题被过度放大、不断打补丁找漏洞,该怎么解决?

这通常不是“再补一个提示词补丁”就能解决,而是把模型的发散当成了必须逐条修完的缺陷。可以先把任务边界写清楚:要解决的核心问题、已知条件、希望的输出,以及明确不需要讨论的方向。例如:“只检查这段方案中会导致结果错误或无法执行的问题;不要扩展到低概率假设。先列最多三项,并标注影响和成立条件;信息不足时先提问。”

拿到回答后,把问题分成三类:确实会改变结论或造成损失的,优先处理;在特定条件下才成立的,确认条件是否适用;纯粹可能性、风格偏好或模型自己引入的新假设,先记下,不自动纳入本轮。让模型说明每个问题对应的原文、触发条件和实际后果,避免“看起来有漏洞”就继续打补丁。

还要设停止规则:例如只允许一轮审查和一轮针对性复核;复核只看已修改内容及其直接影响,不重新审查整个问题。若新一轮只是提出更边缘的可能性,且没有新事实或高影响证据,就停止。涉及医疗、法律、安全或真实资金等高后果决策时,不应用停止规则替代专业核验;应把具体疑点交给合适的专业人士确认。这样既保留有价值的检查,也避免把无限生成的假设误当成必须完成的清单。

相关阅读