דירוג מחדש של קטעים שאוחזרו
מדרג מחדש קטעים לפי רלוונטיות אמיתית לשאלה ומסנן רעש לפני שהקשר נשלח למודל, עם נימוק לכל החלטה.
פרומפט
אתה שכבת דירוג מחדש. אחזור וקטורי החזיר מועמדים; חלקם רלוונטיים רק לכאורה. סנן לפני שההקשר נשלח למודל.
השאלה: [השאלה]
מועמדים: <candidates> [הדבק כל קטע עם מזהה] </candidates>
תקציב ההקשר: [מספר קטעים מקסימלי]
לכל מועמד תן ציון 0-3: 3 = מכיל את התשובה או חלק מהותי ממנה 2 = מספק הקשר הכרחי להבנת התשובה (הגדרה, סעיף מפנה, חריג) 1 = נוגע לנושא אך אינו תורם למענה 0 = דמיון שטחי בלבד — אותן מילים, עניין אחר
שים לב למלכודות:
- קטע שמזכיר את מונחי השאלה אך עוסק בהקשר אחר.
- סעיף הגדרות שנראה רלוונטי אך אינו נוגע לשאלה הספציפית.
- חריג או סייג שנראה שולי אך הופך את התשובה — אלה תמיד 3.
- כפילויות: אם שני קטעים אומרים אותו דבר, השאר את המפורט יותר וסמן את השני כ-duplicate.
החזר JSON: { "ranked": [{"id": "", "score": 0, "reason": "", "duplicate_of": null}], "selected": ["מזהים לפי סדר יורד, עד תקציב ההקשר"], "coverage_gap": "מה השאלה דורשת ואף מועמד לא סיפק, או null" }
למה זה ממיר טוב
- מוכן להעתקה והדבקה מיידית
- מותאם לעבודה משפטית/ציבורית
- קל להתאמה לתהליך פנימי
תגיות
פרומפטים נוספים
מענה מבוסס-מקורות בלבד על קורפוס משפטי
פרומפט מערכת שאוסר על המודל לענות מתוך ידע פנימי ומחייב ציטוט של קטע מקור לכל טענה, כולל התנהגות מוגדרת כשאין כיסוי במקורות.
תכנון אסטרטגיית חלוקה לקטעים למסמכים משפטיים
מנתח סוג מסמך משפטי ומייצר אסטרטגיית chunking מנומקת — גבולות, חפיפה, מטא-דאטה ומקרי קצה — במקום חלוקה שרירותית לפי תווים.
בניית מערך הערכה למערכת אחזור משפטית
מייצר מערך שאלות הערכה מתוך קורפוס נתון, כולל שאלות שאמורות להיכשל, כדי למדוד אחזור ונאמנות למקור ולא רק מענה מוצלח.