每次問事實性問題時,都在提示詞裡加上一條規則:*「如果你無法根據提供的資訊確認答案,請說『我不確定』或『文件中未提及』。」*強制模型在缺乏證據時選擇保留,是廣受推薦的做法 。你可以把這個「現實過濾器」寫進 ChatGPT 的「自訂指令」中,讓它每次對話都自動遵守,禁止把推測或推理內容當成事實呈現 。
要求 ChatGPT 為每個說法附上具體的來源,包括網址或文件出處 。要注意的是,連引用本身都可能被「幻覺」出來,所以你還是得把它們當成「需要驗證的線索」,而不是「已經過關的證據」。不過,要求追蹤來源,確實能迫使模型給出更有條理、更貼近資料的回答 。
與其問一個範圍很大的問題,不如把它拆成好幾個明確、具體的小問題 。問題範圍越小,模型瞎掰的空間就越小 。舉例來說,與其問「氣候變遷有什麼影響?」,不如改成三個問題:溫度上升了多少?海平面上升了多少?農業受到哪些具體影響?
先幫 ChatGPT 設定一個明確的角色,並禁止它使用模糊的字眼 。例如:*「你是一位研究助理,請只根據我提供的文件回答,如果文件裡找不到答案,請說『未提及』。」*這種嚴格的指令就像一道柵欄,把模型牢牢限制在你給的資料範圍內 。
加入一個後設提示:*「在回答之前,請針對每個事實主張,比對提供的來源進行確認,並標示出你無法確認的部分。」*這個做法能強迫模型在輸出答案前先自我檢查 。雖然你可以要求它展示推理過程或來源,但最終還是得靠自己動手驗證 。
請把 ChatGPT 給你的所有具體事實——不管是日期、統計數據、人名、法條,還是醫療或財務資訊——都當成「有待驗證」的假設,而不是可以直接相信的結論 。在做出任何重要決定前,務必用其他可靠的來源再確認一次。另外,你也可以在不同時間、用稍微不同的方式問同一問題;如果答案前後不一致,就是「幻覺」的強烈警訊 。
「幻覺」無法完全根除,我們的目標是「降低傷害」,而不是「追求完美」。最有效的方法是多管齊下:讓它讀你的文件、強迫它說不知道、要求提供來源、再加上自己動手驗證。多種技巧搭配使用,才能建立起最堅固的防線 。
每次問事實性問題時,都在提示詞裡加上一條規則:*「如果你無法根據提供的資訊確認答案,請說『我不確定』或『文件中未提及』。」*強制模型在缺乏證據時選擇保留,是廣受推薦的做法 。你可以把這個「現實過濾器」寫進 ChatGPT 的「自訂指令」中,讓它每次對話都自動遵守,禁止把推測或推理內容當成事實呈現 。
要求 ChatGPT 為每個說法附上具體的來源,包括網址或文件出處 。要注意的是,連引用本身都可能被「幻覺」出來,所以你還是得把它們當成「需要驗證的線索」,而不是「已經過關的證據」。不過,要求追蹤來源,確實能迫使模型給出更有條理、更貼近資料的回答 。
與其問一個範圍很大的問題,不如把它拆成好幾個明確、具體的小問題 。問題範圍越小,模型瞎掰的空間就越小 。舉例來說,與其問「氣候變遷有什麼影響?」,不如改成三個問題:溫度上升了多少?海平面上升了多少?農業受到哪些具體影響?
先幫 ChatGPT 設定一個明確的角色,並禁止它使用模糊的字眼 。例如:*「你是一位研究助理,請只根據我提供的文件回答,如果文件裡找不到答案,請說『未提及』。」*這種嚴格的指令就像一道柵欄,把模型牢牢限制在你給的資料範圍內 。
加入一個後設提示:*「在回答之前,請針對每個事實主張,比對提供的來源進行確認,並標示出你無法確認的部分。」*這個做法能強迫模型在輸出答案前先自我檢查 。雖然你可以要求它展示推理過程或來源,但最終還是得靠自己動手驗證 。
請把 ChatGPT 給你的所有具體事實——不管是日期、統計數據、人名、法條,還是醫療或財務資訊——都當成「有待驗證」的假設,而不是可以直接相信的結論 。在做出任何重要決定前,務必用其他可靠的來源再確認一次。另外,你也可以在不同時間、用稍微不同的方式問同一問題;如果答案前後不一致,就是「幻覺」的強烈警訊 。
「幻覺」無法完全根除,我們的目標是「降低傷害」,而不是「追求完美」。最有效的方法是多管齊下:讓它讀你的文件、強迫它說不知道、要求提供來源、再加上自己動手驗證。多種技巧搭配使用,才能建立起最堅固的防線 。