JevCodeSoluciones técnicas y mejores prácticas de Jev
中ENJAKODEFRESPT

JevCode / Primitivas

Noul

Noul permite al modelo evaluar una pregunta de sí/no, devolviendo la probabilidad de que la respuesta sea «sí». Es en sí mismo un valor entre 0 y 1, sin incluir una confianza separada.

Traducido automáticamente del zh-CN, sin revisión. Solo como referencia rápida.

Fuente: docs.typesafe.ai/primitives/noulnoulverificationguardrails

Cuándo usarlo

Utiliza Noul cuando la respuesta sea sí o no. Por ejemplo:

  • ¿Este mensaje está solicitando un reembolso?
  • ¿Menciona este currículum experiencia en sistemas distribuidos?
  • ¿Contiene este comentario información de identificación personal (PII)?

Si la respuesta es una de un conjunto de opciones, utiliza Choice; si es una posición en un espectro, utiliza Score.

Ejemplos típicos de preguntas:

"Is the customer requesting a refund?"
"Does this resume mention experience with distributed systems?"
"Does the message contain personally identifiable information?"
"Does the room have a minifridge?"

Parámetros

Campo Obligatorio Descripción
type Sí Debe ser "noul"
instructions Sí La pregunta o afirmación de sí/no a evaluar
criteria No Descripciones opcionales de { true, false } para aclarar qué representan el «sí» y el «no»

criteria es opcional. instructions suele ser suficiente para la mayoría de las preguntas Noul; úsalo solo para fijar el significado de ambos resultados cuando la frontera entre el «sí» y el «no» es sutil. Se recomienda probar ambas formulaciones para ver cuál funciona mejor con tus datos.

Ejemplo de solicitud

from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient()

response = client.system_one(
    state=ticket_conversation,
    questions={
        "is_human_escalation": Noul(
            instructions="Is the customer asking to speak to a human?",
        ),
        "is_repeat_contact": Noul(
            instructions="Has this customer contacted us about this issue before?",
        ),
    },
)

print(response.nouls["is_human_escalation"].noul)

Valor de retorno

{
  "model": "jev-latest",
  "answers": {
    "is_human_escalation": {
      "type": "noul",
      "noul": 0.99
    },
    "is_repeat_contact": {
      "type": "noul",
      "noul": 0.93
    }
  },
  "usage": { "input_tokens": 360, "output_tokens": 39 }
}

El valor de noul oscila entre 0 y 1, representando la probabilidad de que la respuesta sea «sí». En el código, cuando se requiere una decisión binaria, suele convertirse a booleano aplicando un umbral.

Noul no devuelve una confianza separada

Esta es una diferencia clave con los otros dos primitivos: Noul es la probabilidad en sí misma, por lo que no hay un campo confidence adicional.

  • Cercano a 1: «Sí» fuerte
  • Cercano a 0: «No» fuerte
  • Cercano a 0.5: Probabilidades similares para sí y no

La redacción lo es todo

Haz que las altas probabilidades correspondan al «sí». La recomendación oficial es formular las preguntas de manera que el significado del valor devuelto sea inequívoco. Si se formula como «¿No es esto urgente?», un valor de 0.9 significa «no urgente», lo que puede llevar fácilmente a los lectores del código a interpretarlo incorrectamente. Si se formula como «¿Es esto urgente?», 0.9 significa urgente.

Define un criterio de juicio claro. Por ejemplo, con «¿Es el candidato fuerte en Python?»: primero debes definir qué significa «fuerte». Una definición poco clara hará que las probabilidades sean difíciles de interpretar.

0.5 no equivale a «nivel medio». Este es el error más común: 0.5 indica que el modelo no puede distinguir entre sí o no, no que haya «la mitad de nivel». Para medir el grado de habilidad, debes usar Score para puntuar en niveles definidos.

Puedes formular las instrucciones como afirmaciones a evaluar. Además de preguntas, también puedes escribir las instrucciones como una afirmación para que el modelo evalúe su veracidad. Por ejemplo, para el hecho de «el cliente está solicitando un reembolso», al formularlo como afirmación, un valor cercano a 1 indica que la afirmación es verdadera. Se recomienda probar ambas formulaciones con tus propios datos.

Relacionado