Jak zwiększyć dokładność w erze agentów (za pomocą Grokbot): Hallucination w modelach LLM jest bliższe zasadzie działania niż efektowi ubocznemu. Ponieważ LLM nieuchronnie opierają się na przewidywaniu, odpowiedzi oparte na faktach i wiarygodnie brzmiący tekst są generowane na tej samej zasadzie. Podczas pogawędek z AI czy pisania powieści umiarkowana hallucination może dodać zabawy, ale do prawdziwej pracy wiąże się z wieloma dużymi problemami. Dlatego ważne zadania musieli weryfikować ludzie, jednak w takich przypadkach człowiek często staje się wąskim gardłem, ponieważ tempo ludzkiej weryfikacji jest najwolniejsze. Jednak wraz z pojawieniem się Grokbot, który pozwala na użycie wielu agentów AI, pojawiło się kilka sposobów na dalsze zwiększenie dokładności. Dziś podzielę się metodą, której używam, i w rzeczywistości jest ona dość prosta. Cel: Wziąć wyniki finansowe wszystkich firm z indeksu S&P 500 i wygenerować dane, których zazwyczaj nie ma w raportach wynikowych, takie jak P/E Ratio, EV/EBITDA, PSR itp.