Membaca artikel ini baru menyadari, selama ini kita bereksperimen dengan versi model dan panjang konteks, sebenarnya kita selalu mengoptimalkan kecepatan pipeline, tapi lupa memasang gerbang pemeriksaan kualitas. Pemikiran Hermes cukup bersifat rekayasa, patut dicoba.

> Judul asli: How To Fix AI Slop (Using Hermes)
> Penulis asli: @EXM7777
> Diterjemahkan: Peggy
>




Catatan editor: "Kotoran" yang dihasilkan AI sering kali disebabkan oleh prompt yang tidak cukup baik, model yang tidak cukup kuat, atau konteks yang tidak lengkap. Tetapi artikel ini mengajukan penilaian yang lebih mendekati sistem rekayasa: masalahnya bukan di sisi input, melainkan di sisi output.




Penulis berpendapat, banyak orang telah berulang kali mencoba mengubah prompt, meningkatkan model, mengaktifkan memori, dan menumpuk file konteks, tetapi AI slop tetap muncul berulang kali. Penyebabnya adalah, metode-metode ini semuanya mengoptimalkan "hasil" itu sendiri, tetapi tidak membangun mekanisme pengendalian kualitas yang stabil. Sama seperti pabrik tidak hanya mengandalkan rasa tangan pekerja untuk memutuskan apakah produk layak keluar dari pabrik, AI