Kỹ thuật nhắc nhanh là nghệ thuật đặt câu hỏi phù hợp để nhận được kết quả tốt nhất từ một LLM. Nó cho phép tương tác trực tiếp với LLM chỉ bằng lời nhắc ngôn ngữ đơn giản.
Trước đây, việc sử dụng các mô hình máy học thường đòi hỏi kiến thức chuyên sâu về các tập dữ liệu, số liệu thống kê và kỹ thuật lập mô hình. Hiện nay, LLM có thể được "lập trình" bằng tiếng Anh, cũng như các ngôn ngữ khác.
Để trở thành một kỹ sư giỏi, bạn không cần phải có kinh nghiệm lập trình. Tuy nhiên, sự sáng tạo và kiên trì sẽ mang lại cho bạn rất nhiều lợi ích trên hành trình của mình. Đọc để tìm hiểu một số kỹ thuật nhắc nhở hữu ích.
Các phương pháp hay nhất về việc nhắc nhở
Truyền đạt rõ ràng nội dung hoặc thông tin quan trọng nhất.
Cấu trúc lời nhắc: Bắt đầu bằng cách xác định vai trò của lời nhắc, cung cấp ngữ cảnh/dữ liệu đầu vào, sau đó đưa ra hướng dẫn.
Hãy sử dụng các ví dụ cụ thể, đa dạng để giúp mô hình thu hẹp trọng tâm và tạo kết quả chính xác hơn.
Sử dụng các điều kiện ràng buộc để giới hạn phạm vi kết quả đầu ra của mô hình. Điều này có thể giúp tránh mắc phải sai lầm khỏi hướng dẫn thành thông tin không chính xác trong thực tế.
Chia nhỏ các nhiệm vụ phức tạp thành một chuỗi các lời nhắc đơn giản hơn.
Hướng dẫn mô hình đánh giá hoặc kiểm tra phản hồi của chính nó trước khi tạo các phản hồi đó. ("Đảm bảo câu trả lời của bạn giới hạn trong 3 câu", "Đánh giá bài tập của bạn theo thang điểm từ 1-10 cho ngắn gọn", "Bạn nghĩ điều này có đúng không?").
Và có lẽ là quan trọng nhất:
Hãy sáng tạo! Bạn càng sáng tạo và cởi mở thì kết quả của bạn càng tốt. LLM và kỹ thuật nhắc nhở vẫn còn sơ khai và đang phát triển từng ngày.
Các loại lời nhắc
Nhắc nhở trực tiếp (Không chụp)
Nhắc trực tiếp (còn được gọi là Zero-shot) là loại lời nhắc đơn giản nhất. Phương thức này không cung cấp ví dụ cho mô hình mà chỉ đưa ra hướng dẫn. Bạn cũng có thể diễn giải câu lệnh dưới dạng câu hỏi hoặc đặt vai trò cho mô hình như "vai trò" trong ví dụ thứ hai ở bên dưới.
Cung cấp:
- Hướng dẫn
- Một số ngữ 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?
Nhắc 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.
Lời nhắc kèm theo ví dụ (Một, một vài và nhiều ảnh)
Lời nhắc một lần hiển thị mô hình một ví dụ rõ ràng, mô tả về những gì bạn muốn mô phỏng.
Tạo ý tưởng bằng cách sử dụng 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 một vài và nhiều ảnh sẽ cho thấy mô hình có thêm ví dụ về những gì bạn muốn. Tính năng này hoạt động hiệu quả hơn so với ảnh chụp bằng 0 đối với các tác vụ phức tạp và cần tái tạo mẫu.
Phân loại cảm tính vài ảnh:
Prompt:
Great product, 10/10: Positive
Didn't work very well: Negative
Super helpful, worth it: Positive
It doesn't work!:
Khi lời nhắc này được chạy, phản hồi của mô hình sẽ là phân loại "Không hoạt động" là tích cực hoặc tiêu cực, như được trình bày trong các ví dụ.
Trình dự đoán phản hồi biểu tượng cảm xúc nhiều ảnh:
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!
Cùng một quy trình ở đây, nhưng vì lời nhắc phức tạp hơn, nên mô hình đã được đưa ra nhiều ví dụ hơn để mô phỏng.
Gợi ý theo chuỗi
Lời nhắc về Chuỗi sự kiện (CoT) khuyến khích LLM giải thích lý do của nó. Kết hợp tính năng này với lời nhắc chụp nhanh để có được kết quả tốt hơn về các tác vụ phức tạp hơn cần có lý do trước khi phản hồi.
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:
0
Nhớ lại lời nhắc chụp nhanh trước đó, phương pháp này sử dụng lời nhắc chụp ảnh nhanh và thêm một hướng dẫn: "Hãy cùng xem xét từng bước". LLM có thể tạo ra một chuỗi ý tưởng từ hướng dẫn này và thường cũng là câu trả lời chính xác hơn. Đây là một phương pháp tuyệt vời để đưa LLM vào việc tạo ra câu trả lời chính xác cho các vấn đề như từ vựng.
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
Tìm hiểu tình yêu của việc viết lại lời nhắc nhiều lần (có thể là hàng tá) lần. Dưới đây là một số ý tưởng cho lời nhắc tinh chỉnh nếu bạn gặp khó khăn:
Lưu ý: Các chiến lược này có thể trở nên ít hữu ích hoặc cần thiết hơn theo thời gian khi các mô hình được cải thiện.
Lặp lại các từ, cụm từ hoặc ý tưởng chính
Chỉ định định dạng đầu ra mà bạn muốn (CSV, JSON, v.v.)
Sử dụng tất cả các chữ hoa để nhấn mạnh các điểm hoặc hướng dẫn quan trọng. Bạn cũng có thể thử phóng đại hoặc sử dụng ngôn từ cường điệu. Ví dụ: "Bạn không nên giải thích một cách tuyệt đối cho phần giải thích của mình. Mọi từ ngữ đều phải thể hiện sự rõ ràng!"
Sử dụng từ đồng nghĩa hoặc cụm từ thay thế (ví dụ: thay vì "Tóm tắt", hãy thử thêm "tldr" vào một số văn bản nhập. Hoán đổi các từ hoặc cụm từ khác nhau và ghi lại những từ hoặc cụm từ hoạt động tốt hơn và từ ngữ xấu hơn.
Hãy thử kỹ thuật làm bánh sandwich với lời nhắc dài: Hãy thêm cùng một câu lệnh ở nhiều vị trí.
Sử dụng thư viện lời nhắc để tìm nguồn cảm hứng. Nhắc nhở anh hùng và thư viện được nhắc nhở này là hai nơi phù hợp để bắt đầu.