這一節課說明，如何透過改變給模型的指示或咒語（prompt），來得到不同的結果 。也就是不依靠重新訓練新模型的方式，來強化語言模型的方法。直接說結論的話是，在今天語言模型的能力之下，我們只要交代清楚任務就好，可以包括背景以及需求。而這節課很像是一堂模型咒語的歷史課 XD，介紹了過去給模型加上不同話語，來增強完成任務的能力。
1. 叫模型思考
包括加上：”Let’s think step by step.” 叫模型思考、 “Answer by starting with analysis” 請模型先分析再回答，或是在請求最後加上 ”This is very important to my career.” （對模型情緒勒索），這些方法對於過去模型的回答是有所效果的
這邊更多相關資訊是一篇論文實驗的結果，分別是提到
- 可以不需要說「請」、「謝謝」
- 對他說「做什麼」，而不是「不要做什麼」
- 加上「如果回答的好就給你小費」
- 加上「答得不好將受到處罰」
- 加上「確保你的答案是沒有偏誤，且避免刻板印象」
給小費跟給予處罰的部分很有趣🤣
2. 把前提講清楚
透過先告訴 AI 一些背景的前提資訊、或是直接輸入額外的檔案資料，讓對應回答有所改變，增加得到我們要的答案可能性
這邊很有趣的是進行了一個實驗，如果刻意把「政治」與「財經」前提資訊做掉包，從他的回答可以發現並沒有把說明給讀進去，而是按照原先的知識回答「財經」
但如果增加一條提示：「這些類別的定義可能與一般的定義不同」，就有好好把說明給讀進去了。所以透過提示，可以讓他好好讀說明並產生了不一樣的結果。
還有剩下 3 點是在下一節課繼續說明，最後的時候再次提到，我們給予前提的指令，不會讓模型重新訓練，想要讓他每次都有比較精準的回答，還是在前面加上上充分的前提資訊。
-
這裡也找的到我歐👇
Instagram: ezra.share.injoy
Matters: ezra.share.injoy
