Multimodal ist großartig, bis Sie es genau brauchen

Ich finde es toll, dass ein Chat jetzt gleichzeitig einen Screenshot, ein PDF sowie eine Frage und Antwort erstellen kann. Dann habe ich es gebeten, eine einzelne Seriennummer aus einer Rechnung zu lesen, und es hat mir eine Ziffer falsch angezeigt, und ich hätte fast eine Zahlung an die falsche Stelle gesendet.

Multimodale Modelle sind im Wesentlichen brillant und im Detail schlampig. Sie fassen ein Dokument perfekt zusammen und vertauschen eine Zahl, ohne es zu merken. Denn was soll das heißen, dass sie magisch sind? Für das genaue Kopieren sind sie eine Haftung.

Die Lösung besteht darin, den Job aufzuteilen. Lassen Sie das Modell das Verständnis übernehmen und lassen Sie dann den Menschen die einzige Überprüfung durchführen, auf die es ankommt. Ich lese jetzt selbst die kritischen Ziffern und lasse das Modell alles um sie herum erledigen.

Das ist keine Beschwerde. Es ist eine Grenze. Das Tool ist ein Leser, kein Sachbearbeiter, und wenn man es wie einen Sachbearbeiter behandelt, gelangt das Geld auf das falsche Konto.

Verwenden Sie Multimodal für den Sinn, nicht für die Einzelheiten. Das Wesentliche ist kostenlos. Die genaue Zeile liegt immer noch bei Ihnen, und wenn Sie etwas anderes vorgeben, werden kleine Fehler zu echten.