AI මොඩලයන්ගේ ප්රතිඵල පරීක්ෂා කිරීමේදී බොහෝ සංවර්ධකයින්ට මුහුණ දෙන ප්රධාන ගැටලුවක් තිබේ – අසත්ය නිකුත් කිරීම් (false‑negative) ගොඩක් පැනෙනුයි. මේ සම්බන්ධයෙන් Dev.to වෙබ්අඩවියේ ලේඛකයෙක් පළ කළ පසු, ප්රතිචාරකරුවන් පෙන්වා දුන් පස් ප්රධාන අදහස් පදනම් කරගනිමින් නව සත්යාපන නළලයක් නිර්මාණය කරන ලදි.
මූලික වශයෙන්, ලේඛකයාගේ පළමු පරීක්ෂණ සැලැස්ම “කේත පරීක්ෂා → LLM” ලෙස සකස් වූවා. එයින් පසුව, සරල කේත පරීක්ෂා (උදා: වාක්ය දිග, විරාම ලකුණු ප්රතිශතය, කීවර්ඩ් blacklist) අතහැර දැමීම නිසා, බොහෝ අර්ථහීන (garbage) උදාහරණයන්ටත් LLM ඇමතුම් යොමු කර තිබුණි. එමගින් සම්පූර්ණ පිරිවැය අධික වුණා.
අදහස් 5 අතර, Alexey Spinov සහ Manuel Bruña විසින් “Layer before you judge” යන මතයක් ඉදිරිපත් කර ඇත. ඔවුන් පවසන්නේ, “G4 වැනි සරල තත්ත්වයන් කේතයක් මඟින් එකම වරක් හඳුනා ගත හැකිය; LLM කුමක් හෝ බලා සිටීමේ අවශ්ය නැත.” එමෙන්ම, “පළමුව deterministic checks ක්රියාත්මක කර, පසුතැවෙන අස්ථිර අවස්ථාවලට පමණක් LLM භාවිතා කරන්න” යන උපදෙස් ද ලබා දුන්හ.
ශ්රී ලංකාවට ඇති වැදගත්කම
මෙම නව නළලය ශ්රී ලංකාවේ තාක්ෂණික සංවර්ධනයට කිහිපයක් වඩා වැදගත් වේ:
- වියදම් ඉතිරි කිරීම: කේත පරීක්ෂා මගින් අසත්ය උදාහරණවලට LLM ඇමතුම් අවශ්ය නොවීමෙන් API පිරිවැය අඩු වේ.
- වේගවත් සංවර්ධනය: පූර්ව පරීක්ෂා නිසා පරීක්ෂණ කාලය කෙටි වේ, එමනිසා දේශීය සංවර්ධකයින්ට වැඩි ප්රතිඵලයක් ලැබේ.
- ඉගෙනුම් අවස්ථා: සිසුන්ට deterministic හා probabilistic පරීක්ෂා අතර වෙනස තේරුම් ගැනීමට ප්රායෝගික උදාහරණයක් ලැබේ.
- ව්යාපාරික අගය: AI‑driven සේවා සැපයුම්කරුවන්ට ගුණාත්මක පරීක්ෂණ ක්රමයක් ලබා දීමෙන් සේවා විශ්වාසභංගය වැඩි වේ.
Experiment F නමින් නව පරීක්ෂණයක් 38 විවිධ සිදුවීම් සමඟ මෙම නළලය පරීක්ෂා කර, 260+ API ඇමතුම් සහ 15 ක්රමලේඛයන් භාවිතා කරමින් සාර්ථක බව තහවුරු කර ඇත. පළමු තට්ටු (Layer 0, Layer 1) හි කේත පරීක්ෂා සාර්ථකව අසත්ය උදාහරණවලට “REJECT” යන තීරණය ලබා දෙයි; LLM පමණක් “semantic residual” සඳහා භාවිතා වේ.
මෙම ක්රමවේදය LLM හි පක්ෂපාතය (bias) හඳුනා ගැනීමට සහ මිනිස් පරීක්ෂකයන්ට අවශ්ය අවස්ථා සීමා කිරීමට උදව් කරයි. ඉදිරියේදී, ශ්රී ලංකාවේ AI පදනම් ව්යාපාරික මට්ටමේ මෙවැනි ස්මාර්ට් නළලයන් වැඩි පරිමාණයෙන් යෙදෙයි කියා අපේක්ෂා කරමු.
අපේ තාක්ෂණික පුවත් පිටුවේ නවතම ලිපි අඛණ්ඩව කියවන්න. ඔබේ අදහස් අප සමඟ බෙදාගන්න.
