Este exercício mostra como verificar o ID e a versão do documento, a sobreposição nas fronteiras dos chunks, prazos diferentes e o escopo completo ao dividir um material longo em vários chunks para revisão. O foco não está apenas em dividir o documento, mas no procedimento de retornar ao texto original para revisar o resultado combinado.
Para quem éUsuários em geral que desejam dividir documentos longos ou materiais com várias seções para revisão com IA e verificar condições ausentes e duplicações no resultado final
É útil pensar no contexto como o intervalo de entrada que um modelo de IA consulta para produzir uma resposta em uma solicitação. Quando é difícil inserir um material longo de uma só vez ou é necessário revisar cada trecho separadamente, o documento pode ser dividido em vários chunks. No entanto, os limites de tamanho de entrada e a qualidade do processamento de documentos longos variam de acordo com o produto e o modelo, e o simples fato de dividir um documento não garante precisão. O DOC-01 deste exercício é apenas um exemplo fictício criado para reproduzir em pequena escala um procedimento de processamento de documentos longos, e não é um documento longo real.
DOC-01/v1
C1: [L1] Somente membros registrados da oficina fictícia podem se inscrever. [L2] As inscrições são aceitas até 18 de outubro 18:00.
C2: [L2] As inscrições são aceitas até 18 de outubro 18:00. [L3] A capacidade é de 12 pessoas. [L4] A taxa de participação é de 8,000 KRW.
C3: [L5] O cancelamento da inscrição pode ser solicitado até 16 de outubro 18:00. [L6] Se a capacidade for excedida, a pessoa será colocada na lista de espera, o que não significa confirmação de participação.Em um estudo da Anthropic de 2023, foi testada uma abordagem que primeiro localiza, em entradas longas, as evidências necessárias para responder. Como se trata de um experimento específico, ele não deve ser generalizado como garantia de desempenho dos modelos atuais.
Em vez de criar desde o início um resumo de todo o conteúdo, extraia de cada chunk as afirmações e condições linha por linha. Registrar DOC-01 e v1 juntos facilita verificar se conteúdo de outro documento ou de uma versão anterior foi misturado. Se você continuar as próximas etapas em um novo chat, é mais seguro fornecer novamente os dados de entrada e as instruções necessárias, sem presumir que a conversa anterior continuará automaticamente.
Use apenas os dados abaixo para extrair as evidências de cada chunk.
Em cada linha, informe o ID do documento, a versão, o chunk, o número da linha original e o fato.
Não suponha ano, dia da semana, forma de pagamento ou condições de reembolso que não estejam no original.
Mesmo que a mesma frase apareça em vários chunks, ainda não a exclua; apenas sinalize-a.
[Cole novamente aqui todo o conteúdo de C1~C3 de DOC-01/v1]| Chunk | Linha | Fato a extrair | Ponto de verificação |
|---|---|---|---|
| C1 | L1 | Somente membros registrados podem se inscrever | Restrição de público |
| C1·C2 | L2 | Prazo de inscrição 18 de outubro 18:00 | Candidato a duplicação |
| C2 | L3 | Capacidade de 12 pessoas | Manter o número |
| C2 | L4 | Taxa de participação de 8,000 KRW | Manter o valor |
| C3 | L5 | Prazo para solicitar cancelamento 16 de outubro 18:00 | Distinguir do prazo de inscrição |
| C3 | L6 | Quando a capacidade é excedida, entra na lista de espera; participação não confirmada | Condição de status |
Ao combinar as extrações parciais, primeiro verifique se DOC e version são os mesmos em todos os itens. Em seguida, consolide apenas L2, que se repete em C1 e C2, deixando uma única ocorrência. Por outro lado, o prazo de inscrição e o prazo de cancelamento têm datas e significados diferentes, portanto não devem ser combinados em um único prazo. Nas fronteiras dos chunks, também é necessário verificar não apenas frases repetidas, mas se condições anteriores ou posteriores foram cortadas e alteraram o significado.
Combine os resultados das extrações parciais em um único resultado.
1. Verificar se todos os itens são DOC-01/v1
2. Remover apenas a duplicação da mesma evidência L2
3. Manter o prazo de inscrição e o prazo de cancelamento como itens separados
4. Verificar se as seis evidências L1~L6 estão todas refletidas no resultado final
5. Não adicionar forma de pagamento, política de reembolso, ano ou dia da semana que não estejam no original
Ao final, indique os números das linhas de evidência utilizadas.Exemplo editado · não é resultado de execução real em um produto
- Público: somente membros registrados podem se inscrever. [L1]
- Prazo de inscrição: até 18 de outubro 18:00. [L2]
- Capacidade: 12 pessoas. [L3]
- Taxa de participação: 8,000 KRW. [L4]
- Prazo para solicitar cancelamento: até 16 de outubro 18:00. [L5]
- Se a capacidade for excedida, a pessoa entra na lista de espera, mas isso não significa que a participação esteja confirmada. [L6]
Verificação: DOC-01/v1, duplicação de L2 removida, L1~L6 preservadas.Mesmo que um resumo de cada chunk pareça natural ao ser lido, isso não garante que ele cubra todo o escopo. Por exemplo, se C3 for omitido, o texto resultante continuará fluido, mas o prazo de cancelamento e a condição da lista de espera desaparecerão por completo. Portanto, não revise apenas lendo o texto final; compare também, em sentido inverso, a lista de chunks originalmente planejada e a lista de linhas de evidência.
Exemplo editado · não é resultado de execução real em um produto
Somente membros registrados podem se inscrever, e as inscrições são aceitas até 18 de outubro 18:00. A capacidade é de 12 pessoas e a taxa de participação é de 8,000 KRW.
Problema: C3 foi omitido, portanto não é possível verificar o prazo de cancelamento de L5 nem a condição de espera de L6.Compare novamente o resultado anterior com o original DOC-01/v1.
Primeiro verifique se C1, C2 e C3 foram todos usados e encontre quais linhas entre L1~L6 estão ausentes.
Restaure o conteúdo ausente sem alterar o significado das expressões do original.
Não complemente com ano, dia da semana, pagamento ou condições de reembolso que não estejam no original.Na etapa final, o objetivo é verificar a rastreabilidade, e não apenas a qualidade das frases do resumo. Registrar DOC e versão, todos os chunks planejados, o intervalo das linhas de evidência e o histórico de remoção de duplicações facilita identificar novamente o que ficou de fora. Em documentos longos, esse registro se torna mais importante à medida que aumenta o número de chunks. Ao conectar esse procedimento ao método de tabela de avaliação do próximo artigo, é possível avaliar novamente o resultado com base em fatos e condições fixos e distinguir um 'resumo plausível' de um 'resultado passível de revisão'.
Verificação final
[ ] Todos os materiais são DOC-01/v1?
[ ] C1·C2·C3 foram todos processados?
[ ] Apenas a duplicação de L2 foi removida?
[ ] As seis evidências L1~L6 foram todas preservadas?
[ ] O prazo de inscrição 18 de outubro 18:00 foi distinguido do prazo de cancelamento 16 de outubro 18:00?
[ ] A lista de espera não foi transformada em participação confirmada?
[ ] Pagamento, reembolso, ano ou dia da semana não foram presumidos?
[ ] Em um novo chat, os dados de entrada e as instruções foram fornecidos novamente?Os dados fictícios e os exemplos editados são comparados com o original e com a checklist. Não são resultados executados em um produto de IA.
Este é um exemplo que reduz a escala de um procedimento de revisão de documentos longos usando dados fictícios pequenos. A qualidade de processamento de documentos longos reais, o tamanho de entrada permitido e o alcance de memória podem variar conforme o produto, o modelo e as configurações, e a divisão em chunks, por si só, não garante precisão.