Begrijp AI-modellen en snelle engineering begrijpen

Begrijp AI-modellen en snelle engineering begrijpen

OpenAI's GPT-3.5- en GPT-4 modellen worden gevraagd. In het geval van een snel gebaseerd model communiceert de gebruiker met het model door het invoeren vanEen prompt tekst, waarop het model reageert met een semi-automatische ingang. Deze semi-automatische invoer is een voortzetting van de invoertekst door het model.

Hoewel deze modellen extreem krachtig zijn, is hun gedrag ook erg gevoelig voor de prompt.De bouw van de prompt is op een belangrijke competentie om zich te ontwikkelen.

In de praktijk werkt de prompt om modelgewichten te configureren om de gewenste taak te voltooien. Het is echter meer een kunst dan een wetenschap, die vaak ervaring en intuïtie vereist om een Russische uitnodiging te creëren. Dit artikel is bedoeld om u te helpen vertrouwd te raken met dit trainingsproces. Het probeert algemene concepten en modellen te presenteren die van toepassing zijn op alle TPM-modellen. Het is echter belangrijk om te begrijpen dat elk model zich op zijn eigen manier gedraagt, zodat de training niet op alle modellen op dezelfde manier kan worden toegepast.


Goede praktijken goede praktijken

  • Wees specifiek. . . . Laat zo min mogelijk ruimte voor interpretatie. Beperk de operationele ruimte.
  • description. . . . Gebruik analogieën.
  • Herhaal Herhaal. . . . Soms moet je vallen voor het model. Geef instructies voor en na uw hoofdinhoud, gebruik een instructie en signaal, enz.
  • Orde is belangrijk. . . . De volgorde waarin u de informatie in het model presenteert, kan van invloed zijn op de output. Waar u de instructies plaatst, d.w.z. vóór uw inhoud ('De volgende elementen opgeven... Â") of daarna ('De bovenstaande elementen... Â"), kan de uitvoer variëren. Zelfs de volgorde van voorbeelden in een paar bewegingen kan belangrijk zijn. Dit wordt "recovery bias" genoemd.
  • Geef het model een "uitgangsdeur". . . . Het kan soms handig zijn om het model een ander pad te geven als het de toegewezen taak niet uitvoert. Wanneer u bijvoorbeeld een vraag stelt over tekst, kunt u een element zoals "reageren met "niet gevonden" als het antwoord niet aanwezig is. Dit kan het model helpen voorkomen dat er valse reacties worden gegenereerd.


Basic concepts

Deze sectie beschrijft de basisconcepten en elementen van GPT-prompts.

Tekstprompts zijn hoe gebruikers omgaan met GPT-modellen. Zoals alle algemene taalmodellen proberen GPT-modellen de reeks woorden te produceren die het meest waarschijnlijk de vorige tekst volgen. Het is alsof we zeggen "Wat is het eerste wat in me opkomt als ik zeg<prompt>?Â". Onderstaande voorbeelden illustreren dit gedrag. Wanneer het de eerste woorden van beroemde inhoud tegenkomt, kan het model de tekst nauwkeurig voortzetten.


Componenten uitnodigen

LAls u de Completion API gebruikt wanneer er geen verschil is tussen verschillende delen van de prompt, kan het altijd nuttig zijn voor leer- en discussiedoeleinden om de onderliggende promptcomponenten te identificeren.

  1. Instructies Instructies

Instructies zijn waarschijnlijk de meest gebruikte prompt component. Ze vertellen het model gewoon wat ze moeten doen. Dit concept is eenvoudig, maar in de praktijk kunnen de instructies complex zijn. De onderstaande tabel illustreert dit principe door eenvoudige en complexere instructies in twee verschillende vormen weer te geven.

Soort instructiePromptVoltooiing
Simple instructionsVraag een introductie aan voor een wekelijkse nieuwsbrief.Welkom op onze wekelijkse nieuwsbrief. Deze week zullen we ons richten op productiviteit. We delen tips en trucs om uw productiviteit op elk gebied van uw leven te verbeteren. We hopen dat ze behulpzaam zullen zijn. Aarzel niet om ze te delen met je vrienden!
Complex instructionsVraag een introductie aan voor een wekelijkse nieuwsbrief aan mijn bedrijf genaamd Spark. Ze moet de geweldige ontmoeting noemen die we vorige week hadden en het team bedanken voor hun harde werk in de afgelopen maanden.Welkom bij de wekelijkse nieuwsbrief van Spark! Vorige week hadden we een geweldige bijeenkomst en ik wil van deze gelegenheid gebruik maken om het team te bedanken voor zijn harde werk in de afgelopen maanden. Onze toekomst is rooskleurig en ik ben ervan overtuigd dat we geweldige dingen zullen bereiken door de toewijding en toewijding van ons team. Dankjewel voor het doorgeven van een wijziging. We zullen je suggestie bekijken. [Uw naam].
Complex instructionsVraag een introductie aan voor een wekelijkse nieuwsbrief, die het volgende bevat:
- Mijn bedrijf heet Spark
- grandioze groeten
- Met dank aan het team voor hun harde werk in de afgelopen moeilijke maanden
Positieve vooruitzichten voor het komende kwartaal
Handtekening van het management
Hallo aan alle leden van het Spark team! Ik wil je bedanken voor al het werk dat je de afgelopen maanden hebt gedaan. Deze periode was moeilijk, maar jullie hebben allemaal ongelooflijk werk geleverd. Ik ben erg trots op ieder van jullie. Naarmate het volgende kwartaal nadert, ben ik vol vertrouwen. Ik geloof oprecht dat we grote dingen gaan doen. Nogmaals bedankt, het management.

  1. Hoofdinhoud

De hoofdinhoud verwijst naar de tekst die door het model wordt verwerkt of getransformeerd. Het wordt over het algemeen gebruikt met instructies. Vertaling naar een andere taal is een eenvoudig voorbeeld. In het onderstaande voorbeeld wordt de Engelse tekst beschouwd als de belangrijkste inhoud, terwijl "Vertalen naar het Frans:" een instructie is.
PromptVoltooiing
Kunt u mij vertellen hoe ik bij het museum moet komen?
Translate into French:
Kunt u mij vertellen hoe ik naar het museum moet gaan?
In de informatica is de tijdscomplexiteit de computationele complexiteit die de hoeveelheid computertijd beschrijft die het kost om een algoritme uit te voeren. De complexiteit van de tijd wordt vaak geschat door [...]
Samenvatten van de vorige tekst in een paar zinnen:
Tijdcomplexiteit is een maatstaf voor hoe lang een algoritme duurt om te draaien. Het wordt meestal uitgedrukt als een functie van de grootte van de invoer. De meest voorkomende maatregel is worst-case tijd complexiteit, wat de maximale hoeveelheid tijd is die nodig is voor inputs van een bepaalde grootte.


  1. Examples

Succesvolle prompts vertrouwen vaak op het leren van oefenen "in één schot" of "in een paar bewegingen". Dit principe verwijst naar de opname van een of meer voorbeelden van het gewenste gedrag van het model, in het algemeen inclusief in- en uitgangsparen. Dit is niet leren in de zin dat het model permanent wordt aangepast. In plaats daarvan bepalen de voorbeelden dat het model alleen naar wens moet worden beantwoord voor de huidige gebeurtenis. Het gebruik van prompts zonder voorbeelden wordt soms aangeduid als "Zero coup" leren. Met de Chat Completion API worden leervoorbeelden in een paar bewegingen over het algemeen toegevoegd aan de berichtentabel als voorbeelden van gebruikers-/wizardinteracties na het eerste systeembericht.


Soort lerenPromptVoltooiing
Zero blowTitel: De coach is ervan overtuigd dat de blessure de krijgers niet zal verstoren
Hoofdpagina:
De coach is ervan overtuigd dat de blessure het Warriors-seizoen niet zal verstoren. Het team blijft gefocust op zijn doelen en zal hard blijven werken om ze te bereiken.
Een paar schotenCorrea des Twins zal een beroep doen op een vrije agent
Sectie: Honkbal
Titel: WK stortingsgebieden in Qatar
Hoofdpagina: Voetbal
Yates: Fantasy Football News - Week 6
Hoofd: Amerikaans voetbal
Titel: De coach is ervan overtuigd dat de blessure de krijgers niet zal verstoren
Hoofdpagina:
Basketbal basketbal


  1. Signaalsignaalsignaal

Signalen dienen als een "kick" voor de modeluitgang, wat helpt het model naar de gewenste output te leiden. Dit is vaak een voorvoegsel dat dient als basis voor het model. In het onderstaande voorbeeld tonen we het signaal dat ertoe leidt dat het verhaal belangrijke elementen bevat. Signalen worden vaak, maar niet altijd, gebruikt met instructies. In de onderstaande voorbeelden wordt het model gebruikt om een lange advertentie-mail samen te vatten. De ene indicator wordt in het ene geval gebruikt om u te helpen modeluitvoer te targeten en een specifiek uitvoerformaat (chips) in het andere geval voor te stellen.

In de context van de Chat Completion API nemen instructies de vorm aan van het systeembericht en voorbeelden in een paar bewegingen worden verstrekt door een reeks voorbeelden van gebruikers-/wizardinteracties te geven om het model te starten.

Aantal indicatorenPromptVoltooiing
0 0 0Prestatie-evaluatie is een essentieel onderdeel van de prestatie- en ontwikkelingsaanpak van Spark. [appellant]] [appellant]]
Samenvatten van de bovenstaande brief samen:
Het doel van deze mail is om medewerkers te informeren over recente wijzigingen in de Performance Assessment, die deel uitmaakt van de Performance and Development aanpak van Spark. Wijzigingen omvatten een verbeterde structuur, gebruikerservaring in de geüpgraded tool en gerichte aanwijzingen. Daarnaast is er nu een gedeelte van optionele conversatie triggers waarmee werknemers onderwerpen kunnen rapporteren die ze met hun managers willen bespreken.
1Prestatie-evaluatie is een essentieel onderdeel van de prestatie- en ontwikkelingsaanpak van Spark. [appellant]] [appellant]]
Samenvatten van de bovenstaande brief samen:
De belangrijkste informatie van het bericht is
Spark verbetert prestatie-evaluatie-ervaring door het meer gericht te maken op prioriteiten, verwachtingen en impact. Daarnaast wordt de gebruikerservaring in de tool geüpgraded met tips, bronnen en instructies. Ten slotte bevat de boodschap instructies over het mogelijk maken van fundamentele prioriteiten in de hele onderneming.
2Prestatie-evaluatie is een essentieel onderdeel van de prestatie- en ontwikkelingsaanpak van Spark. [appellant]] [appellant]]
Samenvatten van de bovenstaande brief samen:
Belangrijkste punten:
£â¢
Spark introduceert veranderingen in de prestatie-evaluatieervaring na feedback van medewerkers.
De wijzigingen omvatten een nieuw perspectief op prioriteiten, verwachtingen en impact, verbeterde gebruikerservaring en nieuwe instructies over fundamentele prioriteiten in de hele onderneming.
Prestatiebeoordeling is een tijd om prestaties en leren uit het verleden bij te tanken en om toekomstige groeiprioriteiten en kansen te plannen.
Medewerkers moeten feedback geven voorafgaand aan de prestatie-evaluatievergadering.
Er moeten minstens twee prestatie-evaluaties per jaar plaatsvinden.
De tijd die aan elke evaluatie wordt besteed, moet hetzelfde blijven.
    • Related Articles

    • Presentatie van het menu TONI, de AI van Jarvis

      Presentatie van het TONI-menu (IA Jarvis AI) De TONI module (de Jarvis AI) is een betaalde extra module. Om u te abonneren op deze module kunt u contact opnemen met onzecommerciële dienst commerciële dienst. . . . Aan de linkerkant van het scherm ...
    • Vertrouwelijkheid en beveiliging van gegevens met de UW

      TONI: garanties van vertrouwelijkheid en beveiliging van gegevens De TONI module (de Jarvis AI) is een betaalde extra module. Om u te abonneren op deze module kunt u contact opnemen met onzecommerciële dienst commerciële dienst. . . . Jarvis ontwerpt ...
    • TONI, een ongekende innovatie in LegalTech

      TONI: je zult er niet meer zonder kunnen De TONI module (de Jarvis AI) is een betaalde extra module. Om u te abonneren op deze module kunt u contact opnemen met onzecommerciële dienst commerciële dienst. . . . Op basis van de professionele API's van ...