<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Ontology‑driven AI on Otomatisasi Cerdas untuk Kuesioner &amp; Kepatuhan</title><link>https://blog.procurize.ai/id/tags/ontologydriven-ai/</link><description>Recent content in Ontology‑driven AI on Otomatisasi Cerdas untuk Kuesioner &amp; Kepatuhan</description><generator>Hugo</generator><language>id</language><atom:link href="https://blog.procurize.ai/id/tags/ontologydriven-ai/index.xml" rel="self" type="application/rss+xml"/><item><title>Sintesis Prompt Few Shot Berbasis Ontologi Dinamis untuk Generasi Narasi Lintas Regulasi Real-Time</title><link>https://blog.procurize.ai/id/ontology-driven-few-shot-prompt-synthesis/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://blog.procurize.ai/id/ontology-driven-few-shot-prompt-synthesis/</guid><description>&lt;h1 id="sintesis-prompt-few-shot-berbasis-ontologi-dinamis-untuk-generasi-narasi-lintas-regulasi-real-time">Sintesis Prompt Few Shot Berbasis Ontologi Dinamis untuk Generasi Narasi Lintas Regulasi Real-Time&lt;/h1>
&lt;h2 id="pendahuluan">Pendahuluan&lt;/h2>
&lt;p>Perusahaan yang beroperasi secara global harus terus‑menerus menerjemahkan lautan teks regulasi menjadi narasi yang jelas dan dapat ditindaklanjuti bagi auditor, manajer produk, dan pengguna akhir. Pipeline berbasis aturan tradisional kesulitan mengikuti kecepatan perubahan regulasi, sementara model bahasa besar (LLM) unggul dalam menghasilkan teks tetapi sering berhalusinasi atau melewatkan nuansa spesifik yurisdiksi.&lt;/p>
&lt;p>&lt;strong>Dynamic Ontology Driven Few Shot Prompt Synthesis (DO‑FSP)&lt;/strong> menjembatani kesenjangan ini. Dengan menambatkan prompt LLM pada ontologi regulasi yang terus berkembang dan memanfaatkan contoh few‑shot yang dipilih secara otomatis pada saat inferensi, DO‑FSP memberikan:&lt;/p></description></item></channel></rss>