AI說書 - Prompt Engineering - 150 | 自動輸出細化實踐

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。

實踐

回饋是衡量和完善內容品質的關鍵，促進這一點的更複雜的方法之一是引入評分系統，結構化評分系統可以提供對生成內容的品質和相關性的定量洞察，透過以預先定義的標準對輸出進行評級，人工智慧模型可以確定優秀領域和需要改進的領域，這種數字表示可以用於多種目的：

• 分級評估：使用連貫性、相關性或創造力等不同的標準，可以對內容的每個面向進行分級，這種精細的方法有助於識別特定領域的優勢和劣勢
• 進度追蹤：隨著迭代改進的發生，追蹤週期內的分數變化提供了改進或回歸的可量化衡量標準
• 設定基準：建立可接受品質的閾值分數可以是動態停止條件，如果內容達到或超過這個基準，就可以認為已經準備好了，從而避免不必要的迭代
• 使用者回饋整合：當最終使用者參與時，他們可以使用評分系統進行評估，提供外部視角來補充模型的自我評估
• 確定最佳化的優先順序：分數可以指導模型優先考慮哪些領域，例如，對於在迭代中始終獲得較低分數的內容，可以指定進行更深入的細化