الأدلة
الأدلة العامة
تنشر SentX السجلات التي تقف وراء عروضها التوضيحية، بما فيها الطلبات والإجابات والأخطاء والحدود. إنها ملاحظات من SentX نفسها، وليست مقاييس أداء مستقلة.
آخر تحديث
السجلات
قراءة ورقة بحثية كاملة
- ما الذي اختُبر
- قدّم طلب واحد النص المستخرج من مسودة بحثية من 25 صفحة، وطلب ملخصًا للأدلة. لم يُختبر الرفع عبر المتصفح.
- الورقة المصدر
- «Recalling Too Well: Sycophancy Evaluation and Mitigation in Memory-Augmented Models» تأليف Shelly Bensal وAxel Magnuson وAparna Balagopalan وDaniel M. Bikel (arXiv:2606.10949v2، CC BY 4.0). لم تشارك SentX في هذا البحث، ولا تقيّم الورقة SentX.
- النتيجة
- طابق مراجعٌ الإجابة مع الورقة في 11 فحصًا للمصدر: 5 مدعومة، و4 مدعومة مع تحفظات أو ثغرات، و2 غير مدعومين.
- الأخطاء المسجلة
- خطآن جوهريان: ادعاء أن كل مقارنة أظهرت زيادة، وهو ما يناقضه أحد الجداول، وتفسير غير مدعوم لنسبة مئوية في الملخص. ويذكر السجل ثلاثة تحفظات أو إغفالات أخرى.
- الحدود
- ورقة واحدة وإجابة واحدة ومراجعة واحدة من الشركة نفسها. لا يقيس ذلك الدقة العامة أو الذاكرة المحتفَظ بها أو رفع ملفات PDF أو السرعة.
متابعة مشروع من نقطة تحقق مقدَّمة
- ما الذي اختُبر
- استخدم طلبان في جلستين منفصلتين مشروعًا متخيَّلًا، وتضمّن الطلب الثاني نقطة التحقق الكاملة التي كُتبت في الأول.
- النتيجة
- حافظت الإجابتان على الحقائق المقدَّمة. وحدّثت الثانية المخزون إلى 70 كيس بذور والميزانية إلى 2700 درهم إماراتي (2400 + 300).
- الأخطاء المسجلة
- ثلاث مشكلات مسجلة: تاريخ غير مدعوم لنقطة التحقق، وتاريخ استلام مستنتَج، ووصف حقائق مقدَّمة بصيغة أقوى مما ورد.
- الحدود
- مشروع اصطناعي واحد وإجابتان. لُصقت نقطة التحقق كاملة، لذا لا يختبر ذلك الذاكرة بين الجلسات.
كيف تقرأ هذه السجلات
- يحتوي كل ملف JSON على الطلبات والإجابات النهائية والطوابع الزمنية بتوقيت دبي (GMT+4) وقيم التجزئة ونتائج المراجِع.
- الاستدلال الداخلي مستبعد.
- اسم النموذج هو الاسم العام للمنتج، ولم يُتحقق بشكل مستقل من إصدار النموذج الأساسي.
- أعدّت SentX هذه السجلات، وهي ليست تأييدًا مستقلًا.