我們人類和ChatGPT的對話技巧也是需要學習的,有鑑於此,我想要一天分享一點「和ChatGPT對話的技術」,並且每篇文章長度控制在三分鐘以內,讓大家不會壓力太大,但是又能夠每天成長一點。
實施 N-Shot Prompting 是藝術與科學的平衡,這不僅是例子的數量,還包括它們的品質、相關性和結構。
- 決定 Shot 數量
- 任務複雜性和模型能力:假設您正在嘗試教導模型區分蘋果和橘子,簡單的 1-Shot 可能就足夠了:「蘋果是一種紅色或綠色的水果,通常與遠離醫生聯繫在一起」,但如果您要區分不同的蘋果品種 (Fuji、Honeycrisp、Gala),您可能需要採用 3-Shot 或 5-Shot 方法來說明每個品種
- 探索性方法:從 1-Shot 開始,如果模型將 Fuji 與 Gala 混淆,請添加更多範例以澄清差異
- 利用示範
- 示範學習:如果教導國際象棋,不要說:“騎士以 L 形移動”,而要展示:“騎士從 e2 移動到 g3”,演示可以提供明確的澄清
- 與傳統方法相比的優點:透過模型展示騎士在不同情況下的移動方式,不僅僅從簡單的陳述來理解 L 形移動模式
- 有效的提示製作
- 清晰的標籤定義:如果區分歌曲的情緒,請清楚地標籤:“精力充沛:‘老虎之眼’”,而不僅僅是“精力充沛:‘節奏快的歌曲’”
- 平衡輸入分配:假設您正在對麵食類型進行分類,如果您只給出意大利麵條和扁麵條的示例,而忽略通心麵或螺絲麵,則模型在呈現後一種類型時可能會遇到困難,因此,提供一個平衡的組合:“意大利麵條,細長的麵條;通心麵,管狀;螺絲麵,螺旋”
- 保持一致性:對於翻譯各種語言的問候語的任務,一致使用:“Hello // Hola, Hello // Bonjour”,以指導模型的理解
- 先進的提示技巧
- 使用隨機標籤:如果教導情感,您可能會錯誤地標記以測試穩健性:「日落令人驚嘆 // 悲傷」,令人驚訝的是,該模型可能仍然認為該聲明更符合正面情緒
- 明智的標籤選擇:如果對雜誌中的文章進行分類,其中 70% 有關時尚,20% 有關旅行,10% 有關科技,則在提供培訓隨機標籤時,請反映此分佈,這樣,當一篇關於「最新時裝秀趨勢」的新文章出現時,模特兒會傾向於時尚品牌,反映現實世界的分佈