Firecrawl ลดข้อมูลปลอมจาก 70.7% เหลือ 20.2% หลังเพิ่มคำสั่ง 'Do not guess' ในการทดสอบด้านการดึงข้อมูลเว็บ โดยใช้หน้าเว็บคู่ที่มีข้อมูลหลอก 1 แถว เช่น 'Was $493.00' ที่ไม่ใช่ราคาจริง โมเดล Firecrawl สร้างข้อมูลปลอม 24 จาก 36 ช่อง ขณะที่ GPT-6 Luna ทำได้เพียง 5 จาก 36 ช่อง ผู้ซื้อสามารถตรวจสอบความถูกต้องด้วยต้นทุนต่ำ 0.0049 เหรียญสหรัฐต่อค่า ขณะที่โมเดลเฉพาะทางอย่าง Jev จับข้อมูลหลอกได้ดีกว่า แต่ยังไม่สามารถตรวจจับกรณีใกล้เคียงเช่น 'prep time' ที่ให้ข้อมูลผิดพลาด
AIFirecrawlข้อมูลปลอมการตรวจสอบข้อมูลเทคโนโลยี
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว