Это мои выводы из Открытого курса искусственного интеллекта по быстрому проектированию. Для более глубокого анализа и ознакомления с кодом я бы посоветовал пройти весь курс.
Основные рекомендации курса:
1. Будьте ясны и конкретны
- Будьте четкими и конкретными, давая подсказки.
- Это снижает вероятность получения нерелевантных ответов.
- Не принимайте ясность за короткую подсказку. Иногда более длинные подсказки обеспечивают большую ясность.
1.1 Тактика
- Используйте разделители
. Например, подсказка: «Обобщите текст, разделенный тройными обратными кавычками, в одно предложение. ```Вы должны выразить то, что вы хотите от модели, предоставив максимально четкие и конкретные инструкции. Это направит модель к желаемому результату и уменьшит вероятность получения неуместных или неправильных ответов. ```”
– не имеет значения, какой разделитель используется, если есть четкое разделение. - Запросите структурированный вывод.
- Например, подсказка: в конце подсказки добавьте, предоставьте им в формате JSON следующие ключи: book_id, название, автор, жанр. - Получив ответ от модели, вы можете спросить модель, были ли выполнены условия, заданные в задаче.
- Например, Подсказка: «Вам будет предоставлен текст, заключенный в тройные кавычки.
Если он содержит последовательность инструкций, перепишите эти инструкции в следующем формате: Шаг 1, Шаг 2,..Шаг N. Если текст не содержит последовательности инструкций, то просто напишите «Нет шагов». предоставил'. ” - Несколько подсказок
– Приведите примеры успешного выполнения заданий , а затем попросите модель выполнить задание.
– Приведите примеры разговора между ребенком и родителем и попросите ответить в один из следующих стилей.
2. Дайте модели время подумать
- Укажите шаги для выполнения задачи.
- Поручите модели выработать собственное решение, прежде чем спешить с выводом.
3. Ограничения модели большого языка
- Иногда модель будет делать заявления, которые кажутся правдоподобными, но не соответствуют действительности. Это называется Галлюцинации.
- Чтобы избежать галлюцинаций, сначала попросите модель найти соответствующую информацию, а затем ответьте на основе соответствующей информации.
4. Процесс итеративный
- Важен не сам запрос, а процесс.
- Структура, которой нужно следовать — идея → реализация (подсказка) → результат эксперимента → анализ ошибок → идея
- Вот почему не верьте таким вещам в Интернете, как безупречная подсказка.
- Думайте не об идеальной подсказке, а о процессе.
5. Приложения
5.1 Подведение итогов
- Мощный инструмент, так как вы можете играть с количеством символов, количеством слов или количеством предложений в резюме.
- LLM не очень хороши в подсчете, но это должно дать вам достаточно близкий результат.
- Пример: вы хотите подытожить длинный отзыв о товаре от клиента:
— укажите 50 слов, 3 предложения, 200 символов и т. д.
– вы можете запросить подведение итогов отзыва для определенного отдела, например отдела доставки. или отдел продаж.
5.2 Вывод
- Вы можете запросить настроение отзыва о продукте, например, «Положительный или отрицательный».
- Вы можете предоставить список сантиментов (разных эмоций) и спросить, какие из них правдивы в обзоре.
5.3 Преобразование
- LLM обучаются на большом количестве данных из Интернета, которые включают разные языки, поэтому возможен перевод.
- Попросите, чтобы обзор был переведен на другой язык.
- Помимо перевода, вы можете попросить переписать что-нибудь или проверить орфографию и грамматику в вашем тексте.
5.4 Расширение
- Использование более короткого текста для создания большего текста.
- Основной вариант использования этого - мозговой штурм идей.
- Основным минусом этого является большой спам.
6. Температура
- Настройка температуры больших языковых моделей в основном означает «степень случайности» в выводе.
- Если вы пытаетесь построить надежную систему, вам всегда следует устанавливать температуру равной 0.
Вот и все
Надеюсь, вы найдете эту информацию полезной и передадите ее, как и я. По иронии судьбы, ИИ не использовался для подведения итогов курса. Оглядываясь назад, ИИ мог бы работать лучше.