Cookbooks
Recetas de principio a fin que muestran TypeSafe en problemas reales, desde unas pocas preguntas hasta pipelines completos.
Cada cookbook es un ejemplo resuelto: un conjunto de datos real, las preguntas de TypeSafe que deciden algo sobre él y el código que convierte esas decisiones en un sistema que funciona. Lee uno cuando quieras ver cómo se combinan las primitivas y los patrones en un problema concreto, o cópialo como punto de partida para el tuyo.
Esta sección da por sentado que conoces las primitivas de TypeSafe y entiendes cómo funciona la confianza. Si no es así, léelos primero.
Autoconsistencia
Repite una decisión y usa la coincidencia entre ejecuciones como señal.
| Cookbook | Qué hace | Nivel |
|---|---|---|
| Autoconsistencia: nouls | Dirige las probabilidades inciertas a revisión humana manteniendo visibles los valores de noul subyacentes. | Principiante |
| Autoconsistencia: choices | Añade un resultado incierto a las decisiones de moderación y compara la coincidencia de etiquetas con la proporción de acciones automáticas. | Principiante |
Procesamiento por lotes
Agrupa muchas preguntas en una sola solicitud.
| Cookbook | Qué hace | Nivel |
|---|---|---|
| Preguntas en paralelo | Ejecuta un informe regulatorio de 13 preguntas sobre el artículo de Wikipedia del RGPD, mostrando que agrupar todas las preguntas en una sola llamada a TypeSafe es 12.2x más barato y 10.0x más rápido sin cambios en las respuestas. | Principiante |
Guías prácticas
Recetas para tareas comunes: búsqueda, formato, selección de herramientas, guardarraíles.
| Cookbook | Qué hace | Nivel |
|---|---|---|
| Reordenación | Construye listas cortas BM25 de 30 pasajes para 40 consultas legales de CLERC y luego usa una pregunta de TypeSafe por par consulta-candidato para subir la precisión top-1 del 5% al 18% y la precisión top-10 del 38% al 62%. | Principiante |
| Búsqueda línea por línea | Construye búsqueda semántica para los Términos de Servicio de GitHub. En una sola solicitud, puntúa 218 ids de línea contra una consulta en lenguaje natural con una pregunta de Choice, y usa una pregunta de Noul para comprobar si el documento contiene una respuesta. | Principiante |
| Recuperación de estructura | Reconstruye Markdown a partir de texto plano que perdió su formato en dos solicitudes: una vuelve a unir las líneas cortadas, otra clasifica cada bloque (encabezado, lista, código, aviso). | Principiante |
| Llamada a funciones | Convierte solicitudes de trading en lenguaje natural en llamadas a funciones tipadas normales asignando nombres de función y argumentos de conjunto cerrado a preguntas de TypeSafe con conciencia de confianza. | Intermedio |
| Sugerencia de habilidades | Elige como máximo una habilidad para un turno de agente entre las 182 del catálogo Hermes de Nous Research, usando dos solicitudes de TypeSafe para clasificar y volver a comprobar los mejores candidatos. | Intermedio |
| Alineación de entidades de grafos de conocimiento | Decide cuál de los 450 pares candidatos de dos catálogos de cerveza describe el mismo producto usando una pregunta de Score más tres Nouls complementarios que revelan qué campos no coinciden. | Principiante |
| Clasificación de pasajes RAG | Puntúa cada pasaje recuperado con una solicitud de TypeSafe y luego decide en código cuáles llegan al modelo que responde. | Intermedio |
| Verificación doble de citas | Detecta citas erróneas o inventadas comprobándolas contra el documento fuente. Una pregunta de Choice decide si el contexto de la cita respalda la afirmación. | Principiante |
| Guardarraíles para LLM | Filtra cada mensaje que entra y sale de una aplicación LLM con una solicitud de TypeSafe, aplicando umbrales a las probabilidades de peligro y a la gravedad para dejar pasar, revisar, bloquear o derivar. | Intermedio |
Extracción
Extrae valores tipados de texto desordenado.
| Cookbook | Qué hace | Nivel |
|---|---|---|
| Cascada de SDE | Usa una cascada de extracción de datos estructurados de 2 etapas (mini → verificar → razonamiento) para obtener la mayor parte de la calidad de un modelo de razonamiento grande a una fracción del costo. | Intermedio |
| Extracción de fechas | Extrae fechas absolutas y relativas pidiendo a TypeSafe las partes nombradas en un documento y luego resolviéndolas y validándolas en código con revisión basada en confianza. | Principiante |
| Extracción de valores preanalizados | Usa expresiones regulares para encontrar correos, números de teléfono e importes candidatos, y luego hace que TypeSafe seleccione el fragmento solicitado para que el código pueda normalizar un valor literal. | Principiante |
Clasificación
Asigna entradas a categorías a cualquier profundidad.
| Cookbook | Qué hace | Nivel |
|---|---|---|
| Clasificación jerárquica | Clasifica documentos a través de profundas jerarquías de patentes, productos minoristas, biomedicina y código fuente usando búsqueda en haz paralela sobre las probabilidades de Choice de TypeSafe. | Intermedio |
| Descubrimiento de características por autoresearch | Ejecuta un bucle de autoresearch que propone preguntas de TypeSafe, convierte texto libre en características numéricas y usa los errores del modelo para mejorar un regresor CatBoost supervisado. | Avanzado |
| Clasificación usando confianza | Clasifica informes anuales de la SEC en 75 grupos industriales con un Choice cada uno, y luego lee la confianza de la propia respuesta para decidir si informa ese grupo o la división más amplia por encima. | Principiante |