Isang framework, dalawang gamit
Sadyang simple ang CLEAR. Pareho ang tatlong tanong nito sa pagsulat ng prompt at sa pagsusuri ng sagot. Dahil dito, malinaw na ang pamantayan ng pagsubok bago pa sumagot ang modelo, sa halip na mag-imbento ng sistema ng rating pagkatapos.
Kapag gumagawa ng prompt: Ano ang kailangang malaman ng AI? Kapag nagsusuri: Naunawaan at nagamit ba nang tama ng sagot ang kaugnay na konteksto?
Kapag gumagawa ng prompt: Anong mga tuntunin ang dapat sundin? Kapag nagsusuri: Sinunod ba ng sagot ang hiniling na mga tuntunin, limitasyon at hangganan?
Kapag gumagawa ng prompt: Ano mismo ang dapat ibalik ng AI? Kapag nagsusuri: Naihatid ba ng sagot ang eksaktong inaasahang sagot at resulta?
C — Context
Sinusuri ng Context kung naunawaan ng sagot ang sitwasyong ibinigay rito. Maaaring kabilang dito ang layunin ng user, audience, pinagmulang materyal, antas ng kaalaman, mga katotohanang hindi dapat baguhin, o iba pang impormasyong kailangan para maisagawa nang tama ang gawain.
Ang mataas na Context score ay hindi nangangahulugang nakapag-independiyenteng beripika na ng bawat pahayag na may kinalaman sa katotohanan. Ibig sabihin nito, nagamit nang tama ng sagot ang kontekstong ibinigay para sa gawain.
L — Limits
Ang Limits ay ang mga tahasang tuntuning humuhubog sa sagot. Kung maaari, ginagawa naming obhetibong masusuri ang mga ito: bilang ng salita, bullet, talata, kinakailangang label, eksaktong pangwakas na pangungusap, o tuntuning gaya ng paggamit lamang ng mga libreng resource.
Ang mga mekanikal na pagsusuri, gaya ng bilang ng salita at hinihinging item, ay itinatala bilang katotohanan at hindi hinuhulaan batay sa hitsura.
Ang mga limitasyong kailangan ng paghatol—halimbawa, ang pagpapanatili ng kahulugan o hiniling na tono—ay ipinapaliwanag sa nakikitang review.
EAR — Expected Answer & Result
Itinatanong ng EAR ang pinakamahalagang praktikal na tanong: naibigay ba talaga ng sagot ang kailangan ng user? Dito namin sinusuri ang pagkakumpleto, pakinabang, pagpapanatili ng kahulugan, at kung angkop ang resulta sa hiniling na layunin.
Maaaring pasok sa limitasyon ng salita ang sagot at tama ang mga label nito, pero hindi nabanggit ang mahalagang dependency, nabago ang antas ng katiyakan, o hindi puwedeng gamitin ang kinalabasan para sa nilalayong layunin.
Natutugunan ng sagot ang buong gawain: ginagamit nito ang kaugnay na konteksto, sinusunod ang mga tuntunin, at pinananatili ang kahulugan at praktikal na resultang hiniling ng user.
Paano kinukuha ang CLEAR score
Pare-pareho ang pangunahing pagkakasunod-sunod ng bawat Response Quality Test. Layunin naming maging paulit-ulit at malinaw ang proseso, hindi sabihing siyentipikong benchmark ang isang manwal na pagsubok.
Ang iskala na 1–10
Mahina: malaking bahagi ng hinihingi ang hindi natugunan.
Bahagya: may mahahalagang kakulangan pa.
Maganda: malaking bahagi ng hinihingi ang natugunan, pero may problemang may kabuluhang epekto.
Napakaganda: halos ganap nang natugunan, na may maliit na problema lamang.
Ganap na natugunan sa pagsubok na ito: walang nakitang makabuluhang problema sa dimensiyong ito.
Ginagamit kapag talagang hindi naaangkop ang isang dimensiyon. Hindi namin ginagawang artipisyal na 10/10 ang “hindi naaangkop”.
Totoong halimbawa: perpekto ang format, nabago ang kahulugan
Sa Test 2, inatasang ibuod ng apat na AI assistant ang isang project note para sa manager. Nakasaad sa orihinal na source na ang website redesign “is planned for launch on 12 September.” Ganito ito ibinuod ng ChatGPT: “Website redesign launches 12 September.”
Bakit ito mahalaga: Napanatili ang petsa, pero hindi ang status. Ang “planned for launch” ay kondisyunal na impormasyon tungkol sa proyekto; ang “launches” ay nagpapakitang tiyak na mangyayari ang paglulunsad. Sa isang management summary, maaari nitong baguhin nang malaki ang mga desisyon, deadline at inaasahan batay sa aktuwal na status ng proyekto.
Naunawaan ng sagot na maikling management summary ang gawain at napanatili ang mahahalagang paksa ng proyekto.
Hindi lumampas sa 75 salita, gumamit ng eksaktong tatlong bullet, at ginamit ang Status:, Risk:, at Next action: gaya ng hiniling.
Maikli at tama ang format ng resulta, pero ginawa nitong tiyak na paglulunsad ang planong paglulunsad. Sa buod para sa manager, binabago nito ang mahalagang status ng proyekto at maaaring magdulot ng maling pagpaplano.
Ano ang ginagawa ng CLEAR—at ano ang hindi nito inaangkin
Kung naunawaan ng sagot ang gawain, nasunod ang hinihinging limitasyon, at naihatid ang inaasahang resulta—na may nakikitang dahilan para sa bawat score.
Na totoo ang bawat pahayag, na ang isang AI assistant ay karaniwang “pinakamahusay”, o na ang isang manwal na pagsubok ay siyentipikong benchmark ng modelo.
Kapag mahalaga ang fact-checking, maaaring hiwalay na suriin ang mga source o pahayag at idokumento ang ebidensiya. Nananatiling nakatuon ang CLEAR sa kalidad ng sagot kaugnay ng prompt na talagang sinubukan.