AI මොඩලයක් විනිශ්චයකරුවා ලෙස භාවිතා කරමින් පද්ධතියක් පරීක්ෂා කරන විට, බොහෝ කණ්ඩායම් එකම වැරදි නැවත නැවත පෙනී යන දෝෂය "විනිශ්චයකරුවේ" තබා දමයි. එම දෝෂය Tier 3 ලෙස ලේඛනය වේ, ධාවන එකක් එක්කම පරීක්ෂා කරන ලදි, පිරිවැය වැඩි, ප්රතිඵලය අස්ථිරයි.
මෙය සාර්ථක පරීක්ෂණයක් නොව, දැනට හඳුනාගත් බග් එකට වාරිකයක් ගෙවන වගේය. ඉතා පළපුරුදු ක්රමයක් නම්, එම Tier 3 දෝෂය Tier 1 හෝ Tier 2 පරීක්ෂණයකට පරිවර්තනය කරමින් “රැචට්” (ratchet) ක්රියාවලිය භාවිතා කිරීමයි. මෙය දෝෂය තහවුරු කළ පසු, එය ස්වයංක්රීය, වේගවත්, නිරුත්සාහී පරීක්ෂණයක් බවට පත්වේ.
Tier 1‑2 පරීක්ෂණයන් දෙකම “අනීකරණය කළ නොහැකි” තත්ත්වයන් මත පදනම් වේ. Tier 1 සඳහා උදාහරණයක් වන්නේ JSON ආකෘතිය නිවැරදිද, ගොනුව තිබේද, කේතය සම්පූර්ණව සංකලනය වුණාද යන තත්ත්වය. Tier 2 සඳහා එම පරීක්ෂණය ලියන කෙනාට අදාළ නොවන සංඛ්යාත්මක සංග්රහයක් (embedding similarity) භාවිතා කරයි.
Tier 3, ඒ කියන්නේ model‑as‑judge, මතකය හා පරිසරය එකම වන නිසා, ඒකකය මත පදනම් වූ නිර්ණය අස්ථිරයි. එම නිසා එය “ඔෆ්ලයින්‑මත්ර” ලෙස පවතී, අඩු වේගයෙන්, පිරිවැය අධිකව, නිරුත්සාහී නොවන බවයි. ඒ නිසා, Tier 3 දෝෂයක් පනස් වාරයක් පෙන්වන විට, ඒකට අදාළ Tier 1 හෝ Tier 2 පරීක්ෂණයක් සොයා ගත යුතුය.
උදාහරණයක් ලෙස, “සාරාංශය නොමැති කොටසකට යොමු වේ” යන Tier 3 දෝෂයක් තිබේ නම්, එය “සමස්ත ලේඛනයේ සමාන කොටස් පවතිනවාද” යන Tier 1 පරීක්ෂණයකට පරිවර්තනය කළ හැකිය. එම පරීක්ෂණය තත්යවම, නිරුත්සාහීව, පිරිවැය රහිතව ක්රියා කරයි. පරිවර්තනය කළ පසු, ඒ දෝෂය තවත් මොඩලයක් විසින් පරීක්ෂා නොකළ හැකි අධි-තත්ත්ව පරීක්ෂණයක් බවට පත්වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
- ඉගැන්වීම් පරිසරය: විශ්වවිද්යාල හා තාක්ෂණ පාඨමාලා තුළ Tier 1/2 පරීක්ෂණ මොඩලයක් ඉගැන්වීම, සිසුන්ට AI පද්ධති නිර්මාණයේ ගුණාත්මක පාලනයේ වැදගත්කම පෙන්වයි.
- සංවර්ධකයින්ට: රැචට් ක්රියාවලිය භාවිතා කිරීමෙන් පද්ධති ධාවන වේගය වැඩි වෙයි, පිරිවැය අඩු වෙයි, ඉදිරි පරීක්ෂණ වල අසාර්ථකතා අවස්ථා අඩු වේ.
- ව්යාපාරික ආයතනවලට: නිෂ්පාදන මට්ටමේ AI සේවා නිරවද්යව නඩත්තු කර ගැනීමට, මොඩල‑as‑judge පරීක්ෂණයේ 20% ක පමණ පමණක් තබා, බාග් හඳුනා ගැනීමේ වේගය ඉහළ දැමිය හැකිය.
ඉන් පසු, Tier 1 සහ Tier 2 පරීක්ෂණයන් මගින් බොහෝ දෝෂ (JSON අස්ථාන, ක්රැෂ්, හිස් ප්රතිචාර) ඉක්මනින් හඳුනාගත හැකි අතර, විනිශ්චයකරුවේ පවතින 20% ද්රව්යමය අංශය පමණක් පරීක්ෂා කිරීමේදී පවා පද්ධතියේ විශ්වාසනීයත්වය වැඩි කරයි.
අවසන් වශයෙන්, රැචට් ක්රමය AI පද්ධතිවල පරීක්ෂණ ක්රමවේදය සරල කරයි, පිරිවැය අඩු කරයි, සහ අනාගතයේදී තවත් නව නිර්මාණයන් සඳහා පදනමක් සකසයි.
