Siz, paylaştığınız ekran görüntüsünde modele "Dostum emin miyiz manipüle edilmiş olmayasın?" diye sorarak bir doğrulama yapmaya çalışmışsınız. Mühendislikte veya veri biliminde; system prompt ile yönlendirilmiş bir yapay zekaya "Sen gerçek misin?" diye sormak teknik bir test yöntemi değildir. Manipüle edilmiş hiçbir model, "Evet abi beni kandırdılar" cevabını vermez. Bu yaklaşım maalesef teknik ciddiyetten uzaktır.
Benim konudaki şikayetim; modele hal hatır sorarak değil, 30 maddelik;
- Bilgi Kesim Tarihi (Knowledge Cutoff),
- Kütüphane Versiyon Kontrolleri,
- Mantıksal Tutarlılık,
- Ve resmi dokümantasyon karşılaştırmasını içeren kapsamlı bir benchmark testine dayanmaktadır.
Ayrıca curl ile çektiğiniz liste, sunucunun statik olarak döndürdüğü bir yazıdır. Oraya claude-opus-4-1 yazmaları (ki Anthropic'te böyle bir model ID'si literatürde yoktur), modelin içeride var olduğunu değil, sadece vitrine bu ismin yazıldığını gösterir.
Bizim amacımız "terminalde isim görünüyor mu" diye bakmak değil; motorun kaputunu açıp içerideki motorun gerçekten Ferrari mi yoksa Şahin mi olduğunu anlamaktır. Sizin yaptığınız test kaportaya bakmak, benim yaptığım test ise motoru dyno testine sokmaktır.
İyi forumlar dilerim.
Harunaydinx adlı üyeden alıntı:
mesajı görüntüle


