As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Fluxo de trabalho para avaliadores e ciclos de reflexão e refinamento
Esse fluxo de trabalho fornece um ciclo de feedback em que um LLM gera um resultado e outro avalia ou critica o resultado. Isso promove autorreflexão, otimização e melhorias iterativas.
O fluxo de trabalho do avaliador é ideal para cenários em que a qualidade, a precisão e o alinhamento da saída são importantes e em que a geração de passagem única não é confiável ou é insuficiente. Esse fluxo de trabalho é excelente quando os agentes precisam fazer uma autocrítica, iterar e refinar seus resultados, seja para atender a um padrão mais alto de exatidão ou para explorar alternativas aprimoradas com base no feedback.
Esse fluxo de trabalho é particularmente eficaz quando:
-
A saída envolve métricas de qualidade subjetivas (por exemplo, estilo, tom e legibilidade) ou critérios objetivos (por exemplo, exatidão, segurança e desempenho).
-
O agente deve raciocinar por meio de compensações, avaliar restrições ou otimizar em direção a uma meta.
-
Você precisa de redundância e garantia de qualidade integradas, especialmente em domínios regulamentados, voltados para o cliente ou criativos.
-
Human-in-the-loop a revisão é cara ou não está disponível, e a validação autônoma é desejada.
Esse fluxo de trabalho é usado para geração de conteúdo, síntese e revisão de código, aplicação de políticas, verificação de alinhamento, ajuste de instruções e pós-processamento de RAG. Também é útil para agentes de autoaperfeiçoamento, onde o feedback contínuo ajuda a moldar respostas melhores ao longo do tempo para criar ciclos de decisão autônomos e confiáveis.
Casos de uso comuns
-
Agentes da equipe vermelha em comparação com agentes da equipe azul
-
Agentes que geram, avaliam e revisam códigos ou planos
-
Garantia de qualidade, detecção de alucinações e aplicação de estilo
Capacidades
-
Suporta geração e avaliação dissociadas usando modelos diferentes (por exemplo, Claude para geração e Mistral para avaliação)
-
O feedback é estruturado e usado para gerar resultados revisados
-
Suporta várias iterações ou limites de convergência
