تحسين مطالبات نموذج اللغة
المطالبات هي إشارات محادثة تمنحها لنماذج اللغات الكبيرة (LLMs)، وتشكيل الاستجابات استنادا إلى استعلاماتك أو إرشاداتك. على سبيل المثال، يمكنك مطالبة LLMs بتحويل جملة من الإنجليزية إلى الفرنسية، أو إنشاء ملخص لنص.
في الوحدة السابقة، قمت بإنشاء المطالبة كسلسلة إدخال:
string input = @"I'm a vegan in search of new recipes. I love spicy food!
Can you give me a list of breakfast recipes that are vegan friendly?";
input = """I'm a vegan in search of new recipes. I love spicy food!
Can you give me a list of breakfast recipes that are vegan friendly?"""
في هذه المطالبة، يمكنك توفير محتوى لنموذج اللغة مع الإرشادات. يساعد المحتوى النموذج على إنشاء نتائج أكثر صلة بالمستخدم.
تتضمن المطالبة صياغة تعليمات واضحة غنية بالسياق لتوجيه النموذج لإنشاء استجابة مطلوبة. لصياغة موجه فعال، تعد الدقة والوضوح مفتاحين. قد تحتاج إلى تجربة المطالبات وضبطها للحصول على نتائج دقيقة.
استخدام أمثلة لتوجيه النموذج
يمكنك تضمين أمثلة في المطالبات للمساعدة في توجيه الاستجابة. يمكن أن تأتي الأمثلة قبل التعليمات أو بعدها. تصنف الأمثلة الفورية على أنها تعلم بدون طلقة أو تعلم ذي لقطة قليلة استنادا إلى ما إذا كانت تحتوي على إكمالات حرفية. الإكمال الحرفي هو مثال محدد ومحدد مسبقا للاستجابة المضمنة في المطالبة. وهو يوضح بالضبط نوع الإجابة المتوقعة من الذكاء الاصطناعي، كلمة لكلمة. تسهل هذه الأمثلة على الذكاء الاصطناعي محاكاة بنية الإكمال المقدم أو نمطه أو نغمته.
التعلم بدون طلقة
مع التعلم بدون لقطة، يمكنك تضمين الإرشادات ولكنك تستبعد الإكمال الحرفي. تعتمد المطالبات الصفرية على المعرفة الحالية للنموذج لإنشاء استجابة. تكون المطالبات الصفرية مفيدة عندما تريد إجابة عامة أو عندما تكون المهمة مباشرة ولا تتطلب الكثير من الإرشادات. المطالبة الصفرية هي أيضا أقل استخداما للموارد لأنها تعتمد على المعرفة الحالية.
فيما يلي مثال على مطالبة صفرية تخبر النموذج بتقييم إدخال المستخدم، وتحديد هدف المستخدم، وبدء الإخراج ب "الهدف: ".
string prompt = $"""
Instructions: What is the intent of this request?
If you don't know the intent, don't guess; instead respond with "Unknown".
Choices: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown.
User Input: {request}
Intent:
""";
prompt = f"""
Instructions: What is the intent of this request?
If you don't know the intent, don't guess; instead respond with "Unknown".
Choices: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown.
User Input: {request}
Intent:
"""
القليل من التعلم اللقطات
مع التعلم قليل اللقطات، يمكنك تضمين الإكمال الحرفي في مطالبتك للمساعدة في توجيه استجابة النموذج. عادة ما يتم تضمين مثال واحد إلى خمسة أمثلة. توضح الأمثلة بنية الاستجابة التي تريدها أو نمطها أو نوعها. ينتج عن التعلم ذي اللقطات القليلة المزيد من الرموز المميزة ويتسبب أيضا في تحديث النموذج لمعرفته. المطالبة ببضعة صور قيمة بشكل خاص لتقليل الغموض ومواءمة النتائج مع النتيجة المرجوة.
فيما يلي مثال على مطالبة قليلة اللقطات تخبر النموذج بتقييم إدخال المستخدم، وتحديد هدف المستخدم، وبدء الإخراج ب "الهدف: ".
string prompt = $"""
Instructions: What is the intent of this request?
If you don't know the intent, don't guess; instead respond with "Unknown".
Choices: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown.
User Input: Can you send a very quick approval to the marketing team?
Intent: SendMessage
User Input: Can you send the full update to the marketing team?
Intent: SendEmail
User Input: {request}
Intent:
""";
prompt = f"""
Instructions: What is the intent of this request?
If you don't know the intent, don't guess; instead respond with "Unknown".
Choices: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown.
User Input: Can you send a very quick approval to the marketing team?
Intent: SendMessage
User Input: Can you send the full update to the marketing team?
Intent: SendEmail
User Input: {request}
Intent:
"""
استخدام الشخصيات في المطالبات
تعيين الشخصيات في المطالبات هو تقنية تستخدم لتوجيه النموذج لاعتماد وجهة نظر أو نغمة أو خبرة محددة عند إنشاء الاستجابات. تسمح لك الشخصيات بتخصيص الإخراج ليناسب سياق المهمة أو جمهورها بشكل أفضل. الشخصية مفيدة عندما تحتاج إلى الاستجابة لمحاكاة مهنة أو تعكس نبرة صوت. لتعيين شخصية، يجب أن تصف بوضوح تعريف الدور في المطالبة.
فيما يلي مثال على مطالبة تعين شخصية:
string prompt = $"""
You are a highly experienced software engineer. Explain the concept of asynchronous programming to a beginner.
""";
prompt = """
You are a highly experienced software engineer. Explain the concept of asynchronous programming to a beginner.
"""
سلسلة التفكير المطالبة
مع مطالبة سلسلة التفكير، يمكنك مطالبة النموذج بتنفيذ مهمة خطوة بخطوة وتقديم كل خطوة ونتيجة لها بالترتيب في الإخراج. يمكن أن يبسط المطالبة بالسلسلة هندسة المطالبة عن طريق إلغاء تحميل بعض تخطيط التنفيذ إلى النموذج. تسهل مطالبات السلسلة عزل أي مشاكل إلى خطوة محددة حتى تعرف مكان تركيز المزيد من الجهود. يمكنك إرشاد النموذج لتضمين سلسلة تفكيره، أو يمكنك استخدام أمثلة لإظهار النموذج كيفية تقسيم المهام.
فيما يلي مثال يرشد النموذج إلى وصف المنطق خطوة بخطوة:
string prompt = $"""
A farmer has 150 apples and wants to sell them in baskets. Each basket can hold 12 apples. If any apples remain after filling as many baskets as possible, the farmer will eat them. How many apples will the farmer eat?
Instructions: Explain your reasoning step by step before providing the answer.
""";
prompt = """
A farmer has 150 apples and wants to sell them in baskets. Each basket can hold 12 apples. If any apples remain after filling as many baskets as possible, the farmer will eat them. How many apples will the farmer eat?
Instructions: Explain your reasoning step by step before providing the answer.
"""
فيما يلي مثال يصف الخطوات التي يجب إكمالها إلى النموذج:
prompt = $"""
Instructions: A farmer has 150 apples and wants to sell them in baskets. Each basket can hold 12 apples. If any apples remain after filling as many baskets as possible, the farmer will eat them. How many apples will the farmer eat?
First, calculate how many full baskets the farmer can make by dividing the total apples by the apples per basket:
1.
Next, subtract the number of apples used in the baskets from the total number of apples to find the remainder:
1.
"Finally, the farmer will eat the remaining apples:
1.
""";
prompt = """
Instructions: A farmer has 150 apples and wants to sell them in baskets. Each basket can hold 12 apples. If any apples remain after filling as many baskets as possible, the farmer will eat them. How many apples will the farmer eat?
First, calculate how many full baskets the farmer can make by dividing the total apples by the apples per basket:
1.
Next, subtract the number of apples used in the baskets from the total number of apples to find the remainder:
1.
Finally, the farmer will eat the remaining apples:
1.
"""
يجب أن يشبه إخراج هذه المطالبة الإخراج التالي:
Divide 150 by 12 to find the number of full baskets the farmer can make: 150 / 12 = 12.5 full baskets
The farmer can make 12 full baskets with 12 apples each.
Multiply 12 full baskets by 12 apples per basket to find the number of apples used in the baskets: 12 * 12 = 144 apples
Subtract the number of apples used in the baskets from the total number of apples: 150 - 144 = 6 apples
The farmer will eat 6 remaining apples.
تلميحات لصياغة المطالبات
مدخلات محددة تنتج مخرجات محددة: تستجيب LLMs بناء على المدخلات التي تتلقاها. صياغة مطالبات واضحة ومحددة أمر بالغ الأهمية للحصول على الإخراج المطلوب.
التجريب هو المفتاح: قد تحتاج إلى تكرار المطالبات المختلفة وتجربتها لفهم كيفية تفسير النموذج والاستجابات وإنشاءها. يمكن أن تؤدي التعديلات الصغيرة إلى تغييرات كبيرة في النتائج.
Context Matters: تأخذ LLMs في الاعتبار السياق المقدم في المطالبة. يجب عليك التأكد من أن السياق محدد جيدا وملائم للحصول على استجابات دقيقة ومتماسكة.
التعامل مع الغموض: ضع في اعتبارك أن LLMs قد تعاني من الاستعلامات الغامضة. توفير سياق أو هيكل لتجنب النتائج الغامضة أو غير المتوقعة.
طول المطالبات: بينما يمكن ل LLMs معالجة كل من المطالبات القصيرة والطويلة، يجب مراعاة المفاضلة بين الإيجاز والوضوح. يمكن أن تساعدك تجربة طول المطالبة في العثور على التوازن الأمثل.
تتطلب صياغة المطالبات الفعالة الوضوح والدقة والتصميم المدروس. يمكن أن تعزز تقنيات مثل التعلم الصفري والقليل من اللقطات والواجبات الشخصية والمطالبة بسلسلة التفكير جودة الاستجابات وملاءمتها. من خلال توفير إرشادات واضحة، وسياق محدد جيدا، وأمثلة عند الحاجة، يمكنك توجيه النموذج لإنشاء استجابات ذات صلة مضبوطة بدقة. لتحقيق أفضل النتائج، تذكر تجربة المطالبات وتحسينها.