Güven ilişkisi ve temel paylaşılan oturum desenleri

Bulma Altyapısı ile çalışmak bir işbirliğidir. Yönü belirler ve başarının nasıl görüneceğini tanımlarsınız. Biliş yürütmeyi işler. Bu işbirliğinin kalitesi, beklentilerinizi ne kadar net bir şekilde ifade ettiğinize ve ne kadar yapı sağladığınıza bağlıdır.

Bu makalede doğrulama gereksinimlerinin biliş davranışını nasıl şekillendirecekleri, görevlerinizdeki ayrıntı düzeyini ayarlama ve kullanmaya başlamaya yönelik temel paylaşılan oturum desenleri anlatılır.

Doğrulama gereksinimlerinin rolü

Doğrulama gereksinimleri, bilişsel davranışı yönlendirmek için sahip olduğunuz en önemli tek kaldıraçtır. Bir görevin sonucunun yeterince iyi olup olmadığını nasıl değerlendireceklerini bilişe anlatırlar. Onlar olmadan, biliş nesnel bir standarda sahip değildir. İyi yazılmış gereksinimlerle, bilişsellik kaliteyi değerlendirebilir, yetersiz sonuçları reddedebilir ve çalışma ölçütlerinize uyana kadar yeniden deneyebilir.

Doğrulama gereksinimleri çok gevşek olduğunda ne olur?

Doğrulama gereksinimleriniz belirsizse veya yoksa, biliş bir aracının ürettiği ilk sonucu kabul etme eğilimindedir. Görev hızlı bir şekilde tamamlandı olarak işaretlenir, ancak sonuç beklentilerinizi tam olarak karşılamayabilir.

Gevşek bir gereksinim örneği:

"İyi bir cevap ver."

Bilişselliğin bağlamınızdaki "iyi" sözcüğünü değerlendirmenin hiçbir yolu yoktur. Başarısız olacak somut bir şey olmadığından aracının yanıtı doğrulamayı geçer. Kaliteyi belirlemek için sonuçları el ile gözden geçirirsiniz ve bu da otonom yürütmenin amacını alt eder.

Doğrulama gereksinimleri çok katı olduğunda ne olur?

Doğrulama gereksinimleriniz, temsilcinin güvenilir bir şekilde gerçekleştiremeyeceği kadar aşırı derecede belirli veya tam doğruluk gerektiriyorsa, biliş görevi tekrar tekrar denenir. Her deneme, tam anlamıyla geçerli olmayan bir sonuç üretir ve birden fazla yürütme döngüsüyle sonuçlanır. Sonunda, tüm gereksinimleri karşılayan bir sonuç üretemediğinden, biliş görevi Kullanıcı Dikkati Gerekiyor olarak işaretler.

Aşırı katı bir gereksinim örneği:

Sonuçlar, her tahmin için deneysel doğrulama referanslarıyla 0,01 kcal/mol hassasiyetinde bağlanma afinitesi değerlerini içermelidir.

Kullanılabilir araçlar veya modeller bu düzeyde duyarlık üretemiyorsa, her deneme doğrulamada başarısız olur. Bilişsellik, ilerleme olmadan farklı yaklaşımları denemeye, zaman tüketmeye ve işlem kaynaklarına devam eder.

Doğru dengeyi bulma

Etkili doğrulama gereksinimleri, iyi işi kötüden ayırt edecek kadar özeldir, ancak yetenekli bir aracının bunları karşılayabilmesi için yeterince esnektir.

Doğrulama gereksinimleri yazma yönergeleri:

  • Sonucun ne içermesi gerektiğini belirtin, aracının bunu nasıl üretmemesi gerektiğini belirtmeyin. "Sonuçlar beş aday molekül için de çözünürlük tahminlerini içerir", "Çözünürlüğü tahmin etmek için Graphormer aracını kullanın" değerinden daha iyidir.
  • Doğrulanabilir ölçütlere odaklanın. "Analiz en az üç moleküler özelliği kapsar" doğrulanabilir. "Analiz kapsamlıdır" değil.
  • Hassasiyeti elde edilebilecek olanla eşleştirin. Tahmine dayalı modeller kullanıyorsanız doğrulama ölçütlerinde deneysel düzeyde doğruluk gerektirmez.
  • Karmaşık görevler için birden çok gereksinim kullanın. Kalite ölçütlerini ayrı gereksinimlere ayırarak, bilişselliğin geçirilen ve başarısız olan öğeleri bildirebilmesini sağlayın. Bu, neyin çalıştığını ve neyin ayarlanması gerektiğini anlamanıza yardımcı olur.
  • Sonuçlara göre yineleyin. Tamamlanmış bir görevi gözden geçirdikten sonra, gelecekteki benzer görevler için doğrulama gereksinimlerini iyileştirin. Paylaşılan oturum ilerledikçe "yeterince iyi" ne anlama geldiğini anlamanız gelişir.

Örnek: iyi kalibre edilmiş doğrulama gereksinimleri

Görev: "Graphormer kullanarak üç aday molekülü için çözünürlük ve azaltma potansiyelini tahmin edin"

Doğrulama gereksinimleri:

  1. "Sonuç, üç aday molekülü için de tahminleri içerir."
  2. "Her tahmin hem çözünürlük (logS) hem de azaltma olası değerlerini içerir."
  3. "Sonuçlar, molekül tanımlayıcıları ile yapılandırılmış bir biçimde sunulur."

Bu gereksinimler spesifiktir (her iki molekül, her iki özellik, yapılandırılmış biçim) ancak ulaşılabilir (modelin desteklemeyebileceği belirli doğruluk eşikleri talep etmezler).

Yapı düzeyleri

Görevlerinize ne kadar yapı kazandırdığınız, beyninizin kendi başına ne kadar uğraşması gerektiğini belirler. Bunu yüksek özerklikten (geniş hedefler sağlarsınız, biliş her şeyi işler) yüksek yapıya (her adımı siz tanımlarsınız, biliş yürütür ve doğrular) bir spektrum olarak düşünün.

Güven düzeyi veya özerklik modu seçmek için açık bir ayar yoktur. Paylaşılan oturumunuzu ayarlama yönteminizle seçiminizi ifade edebilirsiniz. Tek bir geniş görev oluşturursanız, bilişsellik planlama ve ayrıştırma sahipliğini alır. Birden çok görev ve bağımlılık oluşturursanız, biliş yapınızı izler. Ayrıca güven kazandıkça daha yapılandırılmış bir kontrol başlatabilir ve kontrolü gevşetebilir veya zihinsel süreçler doğru yönde ilerlemediyse kontrolü sıkılaştırabilirsiniz.

Minimum yapıya sahip geniş hedefler

Genel doğrulama gereksinimlerine sahip tek bir üst düzey görev sağlarsınız. Biliş bunu alt görevlere ayırır, aracıları seçer ve paylaşılan oturumun tamamını yönetir.

Bu yaklaşımın ne zaman kullanılacağı:

  • Yeni bir sorun alanını keşfediyor ve henüz doğru adımları bilmiyorsunuz
  • Bilişselliğin hangi yaklaşımları keşfettiğini görmek istiyorsunuz
  • Sorun, birden çok geçerli yolun mevcut olduğu kadar geniş

Bekleyebileceğiniz şeyler:

  • Biliş, açıkça tanımlamadığınız alt görevler oluşturur
  • Bölümlendirme, çalışmayı nasıl parçalara ayıracağınızla uyuşmayabilir.
  • Erken görevlerden alınan sonuçlar, bilişin bir sonraki adımlarını yönlendirir.
  • Düzenli aralıklarla gözden geçirin ve biliş yararlı olmayan bir yöne giderse yeniden yönlendirin

Example:

Görev: "Hedef protein Y ile bileşik X'in bağlama mekanizmasını araştırın ve bağlama benziğini geliştirebilecek yapısal değişiklikleri belirleyin."

Doğrulama: "Çözümleme, bağlama mekanizmasında en az 3 önemli etkileşim tanımlar" ve "Rasyonalite ile en az 2 yapısal değişiklik önerilmiştir."

Bağımlılıkları olan yapılandırılmış görevler

Görev hiyerarşisini kendiniz oluşturursunuz: ana aşamalar için üst görevler, belirli adımlar için alt görevler, yürütme sırasını denetlemek için bağımlılıklar ve her görev için ayrıntılı doğrulama gereksinimleri.

Bu yaklaşımın ne zaman kullanılacağı:

  • Gerekli adımları biliyorsunuz ve bunların izlendiğinden emin olmak istiyorsunuz
  • Paylaşılan oturumun birbirine bağlı net aşamaları vardır
  • Belirli görevlere belirli aracılar atamak istiyorsunuz
  • Her adımda kalite önemlidir ve doğrulama denetim noktalarının tüm aşamalarında olmasını istersiniz

Bekleyebileceğiniz şeyler:

  • Biliş, tanımladığınız yapıyı izler
  • Görevler bağımlılıklar aracılığıyla belirttiğiniz sırayla yürütülür
  • Doğrulama yalnızca sonunda değil her adımda gerçekleşir
  • Cognition, belirlediğiniz yapı içinde ajan yürütmeyi, hata kurtarmayı ve yeniden denemeleri yönetmeye devam eder
  • Bir görev doğrulanamıyorsa, biliş bağımlı görevlere geçmeden önce görevi yeniden denenir

Example:

Parent: "Characterize target molecule and identify improved analogs"
  Task 1: "Retrieve molecular structure from PubChem" (no dependencies)
  Task 2: "Compute molecular properties using RDKit" (depends on Task 1)
  Task 3: "Predict solubility using Graphormer" (depends on Task 1)
  Task 4: "Rank candidates by combined criteria" (depends on Tasks 2 and 3)

Her görevin kendi doğrulama gereksinimleri vardır. Görev 1 tamamlandıktan sonra 2. ve 3. görevler paralel olarak çalıştırılır. Görev 4, her iki sürecin de tamamlanmasını bekler.

Karma yaklaşım

Pratikte, paylaşılan oturumların çoğunda karma bir yaklaşım kullanılır. Ana aşamaları kendiniz yapılandırabilirsiniz ancak bilişselliğin belirli aşamaları alt görevlere ayırmasına izin vekleyebilirsiniz. İsterseniz geniş kapsamlı başlayabilir, alt görevlerin meydana getirdiği bilişsel unsurları gözden geçirebilir ve gerektiğinde yapıyı ekleyebilirsiniz.

Bu yaklaşım genellikle en etkili yaklaşımdır. Siz doğru genel yapı konusunda alan bilgisi sağlarsınız ve bilişsel sistem her aşamadaki taktik uygulamayı üstlenir.

Başlangıç: ilk paylaşımlı oturumunuz

Bulma Altyapısı'nı ilk kez kullanıyorsanız, daha geniş hedeflere geçmeden önce tanımanın nasıl çalıştığı hakkında bilgi edinmek için basit, yapılandırılmış bir paylaşılan oturumla başlayın.

1. Adım: Küçük bir paylaşılan oturum oluşturma

2-4 net adım içeren odaklanmış bir hedefle başlayın. Bu yaklaşım, sonuçları beklemeden tam görev yaşam döngüsünü (Yeni, Yürütülüyor, Doğrulanıyor, Tamamlandı) görmenizi sağlar.

2. Adım: Belirli doğrulama gereksinimlerini yazma

İlk paylaşılan oturumunuzda, genel olmak yerine daha spesifik olmayı tercih edin. Doğrulamanın nasıl çalıştığını anlamak için, bilişselliğin sonuçları ölçütlerinize göre değerlendirmesini görmek istiyorsunuz.

3. Adım: Keşif Motoru'nu başlatın ve gözlemleyin

Bilişselliğin aracıları nasıl seçtiğini, görevleri sıralayıp doğrulamayı nasıl işlediğini izleyin. Açıkça bir sorun olmadıkça müdahale etmeyin. Bu yaklaşım, bilişin ne kadar rehberliğe ihtiyaç duyduğuna dair sezgi geliştirmenizi sağlar.

4. Adım: Gözden geçirme ve ayarlama

Paylaşılan oturum tamamlandıktan sonra şunları gözden geçirin:

  • Bilişsellik ayarladığınız görev yapısını takip etti mi?
  • Doğrulama gereksinimleri etkili miydi yoksa gereksiz yeniden denemelere neden oldu mu?
  • Her göreve doğru aracılar atandı mı?

Bir sonraki paylaşılan oturumunuzu ayarlamak için öğrendiklerinizi kullanın.

Zaman içinde güveni ayarlama

Discovery Engine ile deneyim kazandıkça, farklı iş türlerinin ne kadar yapıya ihtiyaç duyduğuna ilişkin bir anlayış geliştirirsiniz. Göz önünde bulundurulması gereken bazı desenler:

  • Bilinen adımlarla iyi anlaşılmış paylaşılan oturumlar daha fazla yapıdan yararlanıyor. Yolu biliyorsunuz, o yüzden tanımlayın. Bilişselliğin yürütmeyi ve doğrulamayı işlemesine izin verin.
  • Açık uçlu hedeflere sahip keşif araştırması, daha az yapıdan yararlanır. Keşif ve periyodik kontrol için bilişe alan tanıyın.
  • Bazı aşamalarının iyi anlaşıldığı, diğerlerinin ise keşif amaçlı olduğu karma paylaşılan oturumlar, hibrit yaklaşımdan fayda sağlar. Bildiklerinizi yapılandırın, bilmediklerinizi devredin.
  • Aracıların ve araçların yetkinliklerini keşfettikçe doğrulama gereksinimlerinin daha kesin olması gerekir. Genel başlayın, sonuçlara göre daraltın.

İlgili içerik

  • Son güncelleştirme: