Inti bacaan
Seseorang ingin mengecilkan berkas PDF, lalu meminta AI menghapus semua gambarnya. Jika beberapa gambar memuat informasi penting, mengikuti perintah itu mungkin menghasilkan berkas kecil yang tidak lagi berguna. Contoh buatan ini menggambarkan XY problem: orang menginginkan tujuan X, memilih jalan Y, kemudian bertanya hanya tentang jalan tersebut.
XYBench meneliti kemampuan asisten mengenali ketidaksesuaian itu. Makalahnya pertama kali diajukan pada 6 September 2026 dan dibahas Ai2 melalui pengumuman 13 November. Dua tanggal tersebut perlu dibedakan. Peneliti tidak sekadar memeriksa apakah jawaban menyebut alternatif, tetapi juga apakah penekanannya membantu pengguna mencapai tujuan yang dapat disimpulkan dari konteks.
Daftar isi
Jelaskan hasil sebelum mengunci cara
Bagi pembaca yang meminta bantuan teknis atau pekerjaan harian, manfaatnya adalah belajar menjelaskan hasil yang ingin dicapai sebelum mengunci cara. Sertakan syarat yang tidak boleh hilang dan apa yang sudah dicoba. Asisten juga perlu meminta klarifikasi ketika konteks belum cukup, sehingga upaya memahami tujuan tidak berubah menjadi kebiasaan mengabaikan keinginan pengguna.
Datasetnya mempunyai beberapa jenis asal
XYBench memuat 8.115 pertanyaan dari forum teknis, contoh yang dikurasi manual, dan pertanyaan yang dihasilkan dari panduan WikiHow. Porsi besar berasal dari pengubahan panduan menjadi pertanyaan dengan kemungkinan salah asumsi. Karena itu, menyebut seluruh dataset sebagai percakapan pengguna nyata akan menghilangkan perbedaan penting dalam penyusunannya.
Untuk membaca hasilnya, tanyakan apakah kasus yang diuji mirip kebutuhanmu. Pertanyaan pemrograman yang mempunyai rujukan jawaban forum berbeda dari permintaan harian yang konteksnya disusun. Data tersebut dapat berguna untuk menguji perilaku tertentu tanpa menjadi representasi lengkap semua orang yang memakai chatbot. Jumlah contoh besar tidak sendirian menyelesaikan pertanyaan tentang cakupan.
Menyebut solusi sekali belum berarti memprioritaskannya
Makalah serta penjelasan Ai2 membedakan keberadaan solusi, penekanan pada tujuan yang dimaksud, dan pengenalan asumsi keliru. Asisten dapat menulis panjang tentang pendekatan yang kurang tepat lalu menyelipkan alternatif yang lebih berguna pada akhir jawaban. Jika pengguna hanya mengikuti bagian utama, bantuan itu belum tentu mengarahkan keputusan sebagaimana diharapkan.
Pada contoh PDF tadi, jawaban yang berguna terlebih dahulu memastikan ukuran yang dibutuhkan, isi yang harus dipertahankan, dan bentuk penggunaan berkas. Menghapus ilustrasi tanpa mengetahui fungsinya dapat menyelesaikan satu ukuran sambil merusak kebutuhan lain. Permintaan klarifikasi dapat lebih tepat daripada langsung memilih metode, khususnya ketika informasi yang hilang menentukan hasil yang dapat diterima.
Tujuan tersirat tetap merupakan penafsiran
Dalam dataset, tujuan dan asumsi disusun atau ditentukan melalui proses penelitian. Itu bukan bukti bahwa model dapat membaca pikiran pengguna. Penilaian otomatis juga dipakai, dengan pemeriksaan terhadap penilaian manusia pada sebagian respons. Kesepakatan penilai pada satu rubrik tidak menjamin setiap penafsiran tujuan dalam percakapan baru benar.
Untuk contoh berkas, pengguna mungkin memang ingin versi tanpa gambar karena tugasnya hanya mengirim teks. Asisten yang memaksakan kompresi gambar justru dapat melenceng. Pertanyaan sederhana seperti “bagian mana yang harus tetap terbaca?” membantu membedakan kebutuhan itu. Perbaikan arah semestinya mempunyai alasan dan ruang bagi pengguna untuk mengoreksinya, bukan menganggap jawaban awal pengguna selalu salah.
Cara menulis permintaan yang lebih mudah dipahami
Tulis hasil, batas, kondisi awal, dan pendekatan yang sedang dipertimbangkan secara terpisah. Dalam contoh fiktif tadi: “Saya perlu PDF untuk dibaca di ponsel. Diagram tetap harus terbaca. Ukurannya perlu diperkecil. Saya mempertimbangkan menghapus gambar; apa akibatnya dan pilihan lain apa yang relevan?” Kalimat tersebut memperlihatkan bahwa cara yang dipilih masih dapat ditinjau.
Sesudah mendapat tanggapan, periksa apakah solusi mempertahankan batas yang kamu sebut. Jika saran membutuhkan fakta atau alat yang belum tersedia, minta prasyaratnya dijelaskan. Penelitian XYBench membantu membicarakan mutu bantuan pada lapisan ini, tetapi tidak menetapkan semua model terkini selalu gagal atau memberi resep prompt yang pasti benar. Nilainya ada pada pemeriksaan apakah jawaban menyelesaikan kebutuhan yang sesungguhnya.
Sumber dan referensi
Analisis menggabungkan fakta bersumber dan penafsiran Nalarku.
Sumber diperiksa 14 Nov 2026, 13.44 WIB. Disusun dengan bantuan AI dan review editor.
NALAR PEKAN
Pahami kabar AI pilihan lewat email.
Kabar yang sudah ditinjau, konteks Indonesia, dan satu latihan untuk dicoba. Email dikirim ketika edisi sudah siap; konfirmasi alamatmu untuk berlangganan.
Memeriksa kesiapan pendaftaran email…
Pernah berlangganan? Kelola langganan atau daftar kembali.
