Kỹ thuật đặt câu lệnh là nghệ thuật đưa ra đúng câu hỏi để thu hút kết quả tốt nhất từ một LLM. LLM này cho phép tương tác trực tiếp với LLM bằng cách sử dụng chỉ những lời nhắc bằng ngôn ngữ đơn giản.
Trước đây, khi làm việc với các mô hình học máy, bạn thường phải có kiến thức chuyên sâu kiến thức về tập dữ liệu, thống kê và kỹ thuật lập mô hình. Hiện nay, các LLM có thể "lập trình" bằng tiếng Anh, cũng như các ngôn ngữ khác.
Để trở thành một kỹ sư đưa ra câu lệnh xuất sắc, bạn không nhất thiết phải có kinh nghiệm lập trình. Khả năng sáng tạo và tuy nhiên, sự bền vững sẽ mang lại lợi ích cho bạn rất nhiều trên hành trình. Đọc tiếp hãy tìm hiểu một số kỹ thuật đặt câu lệnh hữu ích.
Các phương pháp hay nhất về lời nhắc
Truyền đạt rõ ràng nội dung hoặc thông tin quan trọng nhất.
Xây dựng cấu trúc cho lời nhắc: Bắt đầu bằng cách xác định vai trò của lời nhắc, cung cấp dữ liệu về bối cảnh/đầu vào, sau đó cung cấp hướng dẫn.
Sử dụng các ví dụ cụ thể, đa dạng để giúp mô hình thu hẹp trọng tâm và tạo ra kết quả chính xác hơn.
Sử dụng các điều kiện ràng buộc để giới hạn phạm vi kết quả của mô hình. Việc này có thể giúp tránh ngoằn ngoèo khỏi hướng dẫn thành những điểm không chính xác trong thực tế.
Chia nhỏ các công việc phức tạp thành một chuỗi các câu lệnh đơn giản hơn.
Hướng dẫn mô hình đánh giá hoặc kiểm tra câu trả lời của chính nó trước khi tạo chúng. ("Hãy đảm bảo giới hạn câu trả lời của bạn là 3 câu", "Hãy đánh giá bài làm của bạn trên một thang điểm từ 1 đến 10 cho tính súc tích", "Bạn có nghĩ kết quả này chính xác không?").
Và có lẽ là quan trọng nhất:
Hãy sáng tạo! Càng sáng tạo, bạn cởi mở, thì kết quả của bạn sẽ càng tốt. LLM và câu lệnh kỹ thuật vẫn còn ở giai đoạn sơ khai và phát triển mỗi ngày.
Các loại câu lệnh
Nhắc trực tiếp (Không chụp)
Nhắc nhở trực tiếp (còn được gọi là "Không chụp" là loại câu lệnh đơn giản nhất. Nó không cung cấp ví dụ nào cho mô hình mà chỉ cung cấp hướng dẫn. Bạn cũng có thể nói cụm từ dưới dạng câu hỏi hoặc gán cho mô hình một "vai trò" như được thấy trong ví dụ bên dưới.
Cung cấp:
- Hướng dẫn
- Một số bối cảnh
Tạo ý tưởng:
Prompt: Can you give me a list of ideas for blog posts for tourists visiting
New York City for the first time?
Nhập vai trò:
Prompt: You are a mighty and powerful prompt-generating robot. You need to
understand my goals and objectives and then design a prompt. The prompt should
include all the relevant information context and data that was provided to you.
You must continue asking questions until you are confident that you can produce
the best prompt for the best outcome. Your final prompt must be optimized for
chat interactions. Start by asking me to describe my goal, then continue with
follow-up questions to design the best prompt.
Tổ chức dữ liệu:
Prompt: Create a four-column spreadsheet of 10 highly-rated science fiction
movies, year of release, average audience rating, and top 3 keywords from
audience reviews.
Make sure to cite the source of the audience rating.
Đưa ra câu lệnh bằng các ví dụ (một, một vài và nhiều người dùng)
Câu lệnh một lần hiển thị cho mô hình một ví dụ rõ ràng, mô tả rõ ràng về điều mà bạn muốn bắt chước.
Tạo ý tưởng qua một ví dụ:
Prompt:
Come up with a list of ideas for blog posts for tourists visiting
New York City for the first time.
1. Fuggedaboutit! Where to Stay in New York City On Your First Visit
Lời nhắc vài lần và nhiều ảnh sẽ hiển thị cho mô hình nhiều ví dụ hơn về những gì bạn muốn cần làm. Phương pháp này hoạt động hiệu quả hơn so với ảnh cơ bản (zero-shot) đối với những tác vụ phức tạp hơn mà mẫu hoặc khi bạn cần có cấu trúc dữ liệu đầu ra trong một một cách cụ thể khó mô tả.
Phân loại cảm xúc chỉ bằng một vài lần:
Prompt:
Great product, 10/10: Positive
Didn't work very well: Negative
Super helpful, worth it: Positive
It doesn't work!:
Khi câu lệnh này được chạy, phản hồi của mô hình sẽ là phân loại " công việc như được nêu trong các ví dụ.
Công cụ dự đoán phản hồi bằng biểu tượng cảm xúc dùng nhiều lần:
Prompt: Predict up to 5 emojis as a response to a text chat message. The output
should only include emojis.
input: The new visual design is blowing my mind 🤯
output: ➕,💘, ❤🔥
input: Well that looks great regardless
output: ❤️,🪄
input: Unfortunately this won't work
output: 💔,😔
input: sounds good, I'll look into that
output: 🙏,👍
input: 10hr cut of jeff goldblum laughing URL
output: 😂,💀,⚰️
input: Woo! Launch time!
Quy trình tương tự ở đây, nhưng vì câu lệnh phức tạp hơn nên mô hình đã được đưa ra nhiều ví dụ hơn để mô phỏng.
Gợi ý theo chuỗi suy nghĩ
Chuỗi tư duy (CoT) khuyến khích LLM giải thích lý do của nó. Kết hợp tính năng này với lời nhắc ít ảnh hưởng để nhận được kết quả tốt hơn cho các công việc phức tạp hơn cần lý do trước khi trả lời.
Prompt:
The odd numbers in this group add up to an even number: 4, 8, 9, 15, 12, 2, 1.
A: Adding all the odd numbers (9, 15, 1) gives 25. The answer is False.
The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1.
A:
CoT chụp từ xa
Nhớ lại lời nhắc chụp ảnh cơ bản trước đó, phương pháp này sử dụng phương pháp chụp ảnh cơ bản và thêm hướng dẫn: "Hãy suy nghĩ theo từng bước." LLM có thể tạo ra một chuỗi tư duy từ hướng dẫn này và thường chính xác hơn câu trả lời của bạn. Đây là một cách tiếp cận hiệu quả để các LLM tạo câu trả lời chính xác để đưa ra câu trả lời cho những bài toán đố.
Prompt:
I went to the market and bought 10 apples. I gave 2 apples to the neighbor and
2 to the repairman. I then went and bought 5 more apples and ate 1. How many
apples was I left with?
Let's think step by step.
Chiến lược lặp lại lời nhắc
Học cách yêu thích thực tế của việc viết lại câu lệnh một số (có thể là hàng chục) câu lệnh lần. Sau đây là một số ý tưởng để tinh chỉnh câu lệnh nếu bạn gặp khó khăn:
Lưu ý: Những chiến lược này có thể trở nên kém hữu ích hoặc không cần thiết theo thời gian khi cải thiện các mô hình.
Lặp lại từ, cụm từ hoặc ý tưởng chính
Chỉ định định dạng đầu ra mà bạn muốn (CSV, JSON, v.v.)
Hãy sử dụng tất cả chữ viết hoa để nhấn mạnh các điểm hoặc hướng dẫn quan trọng. Bạn cũng có thể thử ngôn từ phóng đại hoặc cường điệu; ví dụ: "Nội dung giải thích của bạn nên là hoàn toàn không thể hiểu sai. Mọi từ đều phải rõ ràng!"
Sử dụng từ đồng nghĩa hoặc cách diễn đạt thay thế (ví dụ: thay vì "Tóm tắt", hãy thử dùng thêm "tldr" vào một số văn bản nhập). Hoán đổi bằng các từ hoặc cụm từ khác nhau và ghi lại thông tin nào hoạt động tốt hơn và kém hơn.
Thử kỹ thuật làm bánh sandwich với các câu lệnh dài: Thêm cùng một câu lệnh vào những nơi khác nhau.
Sử dụng thư viện câu lệnh để tìm cảm hứng. Hình ảnh chính về câu lệnh và thư viện lời nhắc này là hai điểm bắt đầu tốt.