Poproś ChatGPT o podanie konkretnych źródeł dla każdego twierdzenia, łącznie z URL-em lub dokumentem źródłowym . Pamiętaj, że same cytaty też mogą być zmyślone, więc traktuj je jako twierdzenia do zweryfikowania, a nie dowód
. Mimo to wymaganie identyfikowalności wymusza na modelu bardziej ustrukturyzowany format odpowiedzi oparty na źródłach
.
Zamiast jednego szerokiego pytania zadaj serię wąskich, szczegółowych pytań . Zawężenie zadania ogranicza pole manewru modelu, przez co jest mniej skłonny do generowania niepotwierdzonych treści
. Zamiast „Jaki jest wpływ zmian klimatu?” zapytaj kolejno o temperaturę, poziom mórz i rolnictwo.
Określ jasną rolę i zakaż używania nieprecyzyjnych terminów . Przykład: „Jesteś asystentem badawczym. Korzystaj tylko z informacji z dokumentu, który dostarczyłem. Jeśli odpowiedzi nie ma w dokumencie, powiedz 'Nie określono'.” Rygorystyczne wytyczne behawioralne utrzymują model w ryzach dostarczonego kontekstu
.
Dodaj meta-prompt: „Zanim odpowiesz, zweryfikuj każde twierdzenie faktograficzne z dostarczonymi źródłami i oznacz wszystko, czego nie możesz zweryfikować.” Skłania to model do samokontroli przed wygenerowaniem odpowiedzi . Poproś model o przedstawienie toku rozumowania lub źródeł – możesz je przeanalizować, ale nie zastępuje to własnej weryfikacji
.
Każdą konkretną odpowiedź faktograficzną – daty, statystyki, nazwy, przepisy prawa, dane medyczne czy finansowe – traktuj jak hipotezę do sprawdzenia, a nie pewnik . Zanim podejmiesz decyzję na podstawie takiej informacji, potwierdź ją w niezależnych źródłach. Zadaj to samo pytanie nieco inaczej, w innym momencie – niespójne odpowiedzi to silny sygnał halucynacji
.
Halucynacji nie da się całkowicie zatrzymać; celem jest ograniczenie szkód, a nie ich eliminacja . Łączenie kilku technik – oparcia na dokumentach, promptów nakazujących wstrzymanie się, wymogu cytowania i ręcznej weryfikacji – daje znacznie silniejszą ochronę niż poleganie na jednej metodzie
.