قابلیت
آزمایشگاههای هماهنگی: مقایسه، داوری، اجماع، ارتقا
آزمایشگاههای ClawAI که چند مدل را روی یک پرامپت میگذارند — Compare همراه با Judge و Critic، Consensus، Escalation، Best-of-N، Verify، Repair، Pipelines و موارد دیگر.
همه امکانات · آخرین بازبینی:
Compare، با یک داور و یک منتقد
Compare یک پرامپت را برای چند مدل میفرستد و پاسخهایشان را در کنار هم، همراه با تأخیر و شمار توکن، نشان میدهد. Judge را روشن کنید تا مدلی مستقل به هر پاسخ بر اساس معیارهای صریح امتیاز دهد؛ Critic را روشن کنید تا نقاط ضعف هر پاسخ را بنویسد. Compare درون یک رشتهٔ عادی هم اجرا میشود، پس میتوانید یک پاسخ را بدون ترک گفتوگو بسنجید.
اجماع و ارتقای تدریجی
Consensus یک پرسش را از دو تا پنج مدل میپرسد و از نقاط توافقشان یک پاسخ واحد میسازد و جاهایی را که توافق ندارند علامت میزند. Escalation با مدلی ارزان شروع میکند و فقط وقتی پاسخ کم میآورد در زنجیره بالا میرود، پس هزینهٔ مدل قوی را فقط وقتی میپردازید که پرسش واقعاً به آن نیاز دارد.
راستیآزمایی، ترمیم و بقیهٔ ابزارها
Best-of-N چند نامزد تولید میکند و قویترین را نگه میدارد. Verify از مدل دوم میخواهد درستی پاسخ را بررسی کند. Repair به جای تولید دوباره، یک نقص مشخص را در پاسخ موجود برطرف میکند. Decompose کار بزرگ را به گامهایی تقسیم میکند. Role packs مسئله را میان مدلهایی با نقشهای تخصصی دستبهدست میکنند، Cost ensemble کیفیت را در برابر هزینه متعادل میکند و Pipelines چند مرحله را در یک گردش کار نامدار و قابلاجرای دوباره زنجیر میکنند.
هر آزمایشگاه را اپراتور برای هر پلن فعال میکند و اجراهای آزمایشگاه جدا از گفتوگوی عادی سنجیده میشوند — Compare، Judge و Critic روی سطوح مخصوص خودشان و بقیهٔ آزمایشگاهها روی سطح هماهنگی.
پرسشهای پرتکرار
- تفاوت Compare و Consensus چیست؟
- Compare پاسخ هر مدل را در کنار هم نشان میدهد و داوری را به شما میسپارد، و در صورت تمایل امتیاز Judge را هم اضافه میکند. Consensus پاسخها را در یکی ادغام میکند و نقاطی را که مدلها در آن اختلاف دارند علامت میزند.
- ارتقای تدریجی چگونه در هزینه صرفهجویی میکند؟
- با مدلی ارزانتر شروع میکند و فقط وقتی پاسخ به حد لازم نرسد سراغ مدل قویتر میرود، پس پرسشهای ساده هرگز هزینهٔ گرانترین مدل را نمیپردازند.
- آیا آزمایشگاهها در همهٔ پلنها هستند؟
- هر آزمایشگاه را اپراتور برای هر پلن روشن میکند، پس دسترسی به پلن شما بستگی دارد. صفحهٔ قیمتگذاری فهرست میکند هر پلن شامل چه چیزهایی است.
بهجای باور حرف ما، خودتان امتحان کنید
Compare، Consensus، Escalation، Repair، Decompose، Best-of-N، Verify، Pipeline، Cost ensemble و Role pack هرکدام با صفحه، نقطهٔ پایانی و کارت نتیجهٔ مخصوص خودشان عرضه شدهاند.