નફો:
- વાસ્તવિક ઉદાહરણોમાંથી સૌથી સામાન્ય પ્રોમ્પ્ટ ભૂલોને ઓળખે છે
- દરેક ભૂલ માટે વ્યવહારુ અને પુનરાવર્તિત સુધારણા લાગુ કરી શકે છે
- સમજે છે કે ખરાબ આઉટપુટ ઘણીવાર ખરાબ પ્રોમ્પ્ટને કારણે થાય છે
આ મોડ્યુલમાં, અમે એક પછી એક સારા સંકેતો લખવાની તકનીકો શીખ્યા. હવે ચાલો આને એક અલગ ખૂણાથી મજબૂત કરીએ: સૌથી સામાન્ય ભૂલો અને તેના ઉકેલોને જોઈને. મોટા ભાગનું ખરાબ AI આઉટપુટ ખરાબ પ્રોમ્પ્ટિંગને કારણે છે, મોડલની અપૂરતીતાને કારણે નહીં. જો તમે આ એકમમાં ભૂલોને ઓળખો છો, તો તમે તમારા પોતાના પ્રોમ્પ્ટ્સમાં સમસ્યાઓનું ઝડપથી નિદાન કરી શકો છો અને તેને ઠીક કરી શકો છો; "AI આ કરી શકતું નથી" કહેવાને બદલે તમે "મને મારા પ્રોમ્પ્ટને આ રીતે ઠીક કરવા દો" કહી શકો છો.
ભૂલોને ઓળખવી શા માટે મહત્વપૂર્ણ છે?
જ્યારે આઉટપુટ તમારી અપેક્ષાઓને પૂર્ણ કરતું નથી, ત્યારે તમે બે રીતે પ્રતિક્રિયા આપી શકો છો: સાધનને દોષ આપો અથવા પ્રોમ્પ્ટ પર પ્રશ્ન કરો. અનુભવી વપરાશકર્તા બાદમાં કરે છે. કારણ કે મોટાભાગે, સમસ્યાનો સ્ત્રોત સ્પષ્ટ હોય છે અને પરિણામ નાના સુધારા સાથે બદલાય છે. નીચે આપણે આઠ સૌથી સામાન્ય ભૂલો, તેના લક્ષણો અને ઉકેલો જોઈશું.
આઠ સૌથી સામાન્ય ભૂલો
ભૂલ
લક્ષણ
ઉકેલ
અસ્પષ્ટતા
સામાન્ય, "એક માપ બધાને બંધબેસે છે" જવાબ
માપી શકાય તેવી સૂચના આપો
શૂન્ય સંદર્ભ
આઉટપુટ કે જે પરિસ્થિતિને બંધબેસતું નથી
કોણ/શા માટે/ઇતિહાસ ઉમેરો
ફોર્મેટનો ઉલ્લેખ નથી
ખોટા ફોર્મેટમાં આઉટપુટ
ફોર્સ ફોર્મેટ
અવરોધોની ગેરહાજરી
અતિશય, વિચલિત સામગ્રી
"નહીં" સૂચિ ઉમેરો
ઓવરલોડ
મોડલ કેટલીક વિનંતીઓને છોડી દે છે
કામની વહેંચણી કરો, પ્રાથમિકતા આપો
બિન-પુષ્ટિ
નકલી માહિતીનો ઉપયોગ
સ્ત્રોત સાથે તથ્યો તપાસો
એક શોટ અપેક્ષા
પ્રથમ બહાર નીકળતી વખતે હાર ન માનો
પુનરાવર્તન કરો
વિરોધાભાસી સૂચના
અસંગત આઉટપુટ
અવરોધો સંરેખિત કરો
સ્ટેપ બાય સ્ટેપ ડાયગ્નોસ્ટિક પદ્ધતિ
જ્યારે દૂષિત આઉટપુટ આવે, ત્યારે આ ક્રમને અનુસરો:
- શું મિશન સ્પષ્ટ છે? ક્રિયાપદ નક્કર છે, શું તેનો અર્થ એ જ છે કે તમે ઇચ્છો છો?
- શું સંદર્ભ પૂરતો છે? શું મોડેલ પરિસ્થિતિને જાણે છે?
- શું ફોર્મેટનો ઉલ્લેખ કરવામાં આવ્યો છે? શું તમે ઇચ્છો તે રીતે ફોર્મેટ છે?
- શું ત્યાં કોઈ પ્રતિબંધો છે? જે ન જોઈતું હોય તે લખાય છે?
- શું મેં ખૂબ લોડ કર્યું? શું મેં એક પ્રોમ્પ્ટમાં 5 જુદી જુદી નોકરીઓ માટે પૂછ્યું?
- શું મેં ચકાસણી કરી? નંબર, નામ, તારીખ તપાસવામાં આવી છે?
આ છ પ્રશ્નો લગભગ બધી ભૂલો પકડે છે.
ચાર નકલ કરી શકાય તેવા પ્રૂફરીડિંગ નમૂનાઓ
1) અસ્પષ્ટતા દૂર કરવી:
આ સૂચનાને માપી શકાય તેવી બનાવો: [અસ્પષ્ટ સૂચના]દરેક અસ્પષ્ટ બિંદુને નક્કર સંખ્યા, જથ્થા અથવા માપદંડમાં અનુવાદિત કરો.
2) ઓવરલોડનું વિભાજન:
આ કાર્ય એક સાથે ન કરો. આ ક્રમમાં આગળ વધો અને જ્યારે તમે દરેક પગલું પૂર્ણ કરો ત્યારે રોકો, મારી પુષ્ટિની રાહ જુઓ:1) [સબટાસ્ક 1]2) [સબટાસ્ક 2]3) [સબટાસ્ક 3]
3) મર્યાદિત ફિટિંગ:
ફક્ત મેં નીચે આપેલી માહિતી પર આધાર રાખો. જો ત્યાં કોઈ માહિતી નથી, તો "કોઈ ડેટા" લખો; અનુમાન અથવા ઉમેરશો નહીં. તમે ઉપયોગ કરો છો તે દરેક મહત્વપૂર્ણ દાવો કઈ લાઇનમાંથી આવે છે તે સૂચવો. સ્ત્રોત: [ટેક્સ્ટ]
4) વિરોધાભાસનું નિરાકરણ:
મેં તમને આપેલી સૂચનાઓમાં કોઈ વિરોધાભાસ છે કે કેમ તે તપાસો. જો એમ હોય તો, વિરોધાભાસી મુદ્દાઓની યાદી બનાવો અને મને પૂછો કે કયાને પ્રાધાન્ય આપવું; પછી તે મુજબ ઉત્પાદન કરો.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળી (સંયુક્ત ઘણી ભૂલો):
માર્કેટિંગ, બજેટ અને ભરતી વિશે અમારી કંપની માટે એક વ્યાપક યોજના લખો, અને તમે જવા માટે તૈયાર છો.
શક્તિશાળી (ભૂલો સુધારેલ):
ભૂમિકા: તમે SME ને સલાહ આપતા વ્યવસાય વિકાસ નિષ્ણાત છો. સંદર્ભ: 12 લોકો સાથેની સોફ્ટવેર કંપની; આ ત્રિમાસિક ગાળામાં 20 નવા ગ્રાહકોનો ધ્યેય છે. કાર્ય: ફક્ત માર્કેટિંગ પ્લાન લખો (બજેટ અને ભરતીનો સમાવેશ કરશો નહીં). ફોર્મેટ: 5-પોઇન્ટ એક્શન લિસ્ટ; દરેક વસ્તુ: ક્રિયા + જવાબદાર + માપદંડ. અવરોધ: ચૂકવેલ જાહેરાત બજેટ 0; માત્ર કાર્બનિક ચેનલોની ભલામણ કરો. નકલી મેટ્રિક્સ આપશો નહીં; સૂચનને સમર્થન આપો.
શક્તિશાળી સંસ્કરણ ઓવરલોડને વિભાજિત કરે છે (ત્રણ વિષયોને એક પ્રોમ્પ્ટમાં ક્રેમ કરીને), અસ્પષ્ટતા ("સારા નસીબ") ને માપદંડ સાથે બદલે છે, અને ફોર્મેટિંગ અને અવરોધ ઉમેરે છે.
ત્રણ મિની કેસ
કેસ 1 - ઓવરલોડ. એક મેનેજરે એક જ પ્રોમ્પ્ટમાં રિપોર્ટ સારાંશ, પ્રેઝન્ટેશન પ્લાન અને ઈ-મેલની વિનંતી કરી; મોડેલે ત્રણેયને અડધા બનાવ્યા. જોબને ત્રણ અલગ-અલગ પ્રોમ્પ્ટમાં વિભાજીત કરીને, દરેક આઉટપુટ પૂર્ણ અને ઉપયોગી હતું. એક જટિલ પ્રોમ્પ્ટ સાથે સંઘર્ષ કરતાં કુલ સમય ઓછો હતો.
કેસ 2 - બિન-પુષ્ટિ. સામગ્રી ટીમે તેની ચકાસણી કર્યા વિના મોડેલ દ્વારા આપવામાં આવેલ "ઉદ્યોગ આંકડા" પ્રકાશિત કર્યા; નંબર ખોટો હોવાનું બહાર આવ્યું અને તેઓએ સુધારો કરવો પડ્યો. પછીથી, તેઓએ "દરેક નંબર તેના સ્ત્રોત સાથે આપો, હું સ્ત્રોત તપાસીશ" નો નિયમ અપનાવ્યો અને આ જોખમ દૂર કર્યું.
કેસ 3 - વિરોધાભાસી સૂચના. જ્યારે એક માર્કેટરે કહ્યું કે "તે ખૂબ જ ટૂંકું છે પરંતુ તમામ સુવિધાઓ જણાવો", મોડેલે કેટલીક સુવિધાઓ છોડી દીધી. જ્યારે મેં સૂચનાને બિન-વિરોધાભાસી બનાવી "60 શબ્દોમાં 3 સૌથી મહત્વપૂર્ણ લક્ષણોનું વર્ણન કરો", ત્યારે આઉટપુટ ટૂંકું અને સંપૂર્ણ હતું.
ટીપ: લાઇવ કરતા પહેલા "છ ડાયગ્નોસ્ટિક પ્રશ્નો" દ્વારા તમારો પ્રોમ્પ્ટ ચલાવો. આ 30-સેકન્ડનો ચેક શરૂઆતથી જ પુનરાવૃત્તિના મોટાભાગના રાઉન્ડને બિનજરૂરી બનાવે છે.
સાવધાન: સૌથી ખતરનાક ભૂલ એ "નોન-વેલિડેશન" છે કારણ કે તેને અવગણવામાં આવે છે કારણ કે આઉટપુટ સરળ અને ખાતરીપૂર્વક દેખાય છે. મોડેલ નંબર, નામ અથવા સ્ત્રોત સાથે ખૂબ આત્મવિશ્વાસ સાથે મેચ કરી શકે છે. નિર્ણયના આધાર તરીકે પ્રકાશિત અથવા ઉપયોગમાં લેવા માટે કોઈપણ હકીકત સ્વતંત્ર રીતે ચકાસો. અમે આગામી એકમમાં આ વિષયને વધુ ઊંડો કરીશું.
અદ્રશ્ય ભૂલ: "લગભગ યોગ્ય" આઉટપુટ
કેટલીક ભૂલો પકડવી સરળ છે: આઉટપુટ ખોટા ફોર્મેટમાં આવે છે, વિષયની બહાર જાય છે અથવા ખાલી આવે છે. પરંતુ સૌથી કપટી ભૂલ એ છે કે આઉટપુટ લગભગ યોગ્ય છે. ટેક્સ્ટ અસ્ખલિત છે, માળખું સરળ છે, સ્વર બિંદુ પર છે; ત્યાં માત્ર એક ખોટો નંબર, અવગણવામાં આવેલ અવરોધ અથવા નાની તાર્કિક ભૂલ છે. આ પ્રકારના આઉટપુટ ખતરનાક છે કારણ કે તેઓ નિરીક્ષણમાંથી છટકી જાય છે કારણ કે તેઓ "સારા દેખાય છે."
બે આદતો આ સામે રક્ષણ આપે છે. પ્રથમ, તેને વાંચ્યા વિના આઉટપુટનો ઉપયોગ કરશો નહીં: તમે ગમે તેટલા ઉતાવળમાં હોવ, તેને મોકલતા પહેલા તેને વાંચો. બીજું, મોડલને તેનું આઉટપુટ ચેક કરાવવું: "મેં તમને આપેલી તમામ મર્યાદાઓને તમે અનુસરી છે કે કેમ તે તપાસો" અથવા "આ લખાણમાં તમામ સંખ્યાઓની યાદી આપો" છુપાયેલી ભૂલો સપાટી પર લાવશે. આ બે પગલાં થોડી સેકંડ લે છે, પરંતુ "લગભગ સાચા" આઉટપુટને કારણે ખોટા નિર્ણયોની કિંમત ઘણી વધારે છે.
ભૂલો ટાળવી: નિયંત્રણ પર ડિઝાઇન
આઉટપુટમાં ભૂલો માટે શિકાર કરવાને બદલે, અનુભવી વપરાશકર્તા તેમને પ્રોમ્પ્ટ પર શરૂઆતથી અટકાવવાનો પ્રયાસ કરે છે. આ માનસિકતામાં તફાવત છે. દરેક પુનરાવર્તિત ભૂલને "કાયમી નિયમ" માં ફેરવો: જો મોડેલ સારાંશ જોબમાં ટિપ્પણીઓ ઉમેરવાનું ચાલુ રાખે છે, તો હવે દરેક સારાંશ પ્રોમ્પ્ટ પર "ટિપ્પણીઓ ઉમેરશો નહીં" અવરોધ સેટ કરો. જો મોડલ હંમેશા લિસ્ટ જોબમાં ઘણી બધી વસ્તુઓનું ઉત્પાદન કરે છે, તો તમારા ટેમ્પલેટમાં "બરાબર X આઇટમ્સ" અવરોધ મૂકો. આ રીતે, એક જ ભૂલને વારંવાર પકડવાને બદલે, તમે તેને પ્રથમ સ્થાને થતી અટકાવો છો. સારી રીતે ડિઝાઇન કરેલ પ્રોમ્પ્ટ ડઝનેક અનુગામી સુધારાઓને બદલે છે; આ બોજમાંથી ભૂલ નિદાનને શીખવા અને સુધારણા સાધનમાં ફેરવે છે.
સામાન્ય ભૂલો
- વચેટિયા પર આક્ષેપ. પ્રોમ્પ્ટમાં સમસ્યા શોધવાને બદલે "AI તે કરી શકતું નથી" એમ કહેવું.
- એક જ પ્રોમ્પ્ટમાં ખૂબ કામ મૂકવું. પાંચ અલગ-અલગ કાર્યોને એક સૂચનામાં સંકુચિત કરીને તેને અર્ધ-પૂર્ણ કરવું.
- ચકાસણી છોડવી. ધારી રહ્યા છીએ કે અસ્ખલિત આઉટપુટ સાચું છે.
- વિરોધાભાસી અવરોધ આપવો. સ્વ-વિરોધી માંગણીઓ, જેમ કે "ટૂંકી પરંતુ વ્યાપક."
- નિદાન કર્યા વિના ફરી પ્રયાસ કરો. શું તૂટ્યું છે તે શોધ્યા વિના એ જ ભૂલનું પુનરાવર્તન કરવું.
સારાંશમાં
- સૌથી ખરાબ આઉટપુટ પ્રોમ્પ્ટ સાથે સમસ્યા છે, મોડેલની નહીં; નિદાન અને સુધારી શકાય છે.
- સૌથી સામાન્ય ભૂલો: અસ્પષ્ટતા, શૂન્ય સંદર્ભ, ફોર્મેટનો અભાવ, અવરોધોનો અભાવ, ઓવરલોડ, ચકાસણીનો અભાવ, એક-શોટ અપેક્ષા અને વિરોધાભાસ.
- છ ડાયગ્નોસ્ટિક પ્રશ્નો (કાર્ય, સંદર્ભ, ફોર્મેટ, અવરોધ, ભાર, ચકાસણી) મોટાભાગની ભૂલો પકડે છે.
- જટિલ નોકરીઓનું વિભાજન તેમને એક જ પ્રોમ્પ્ટ પર લોડ કરવા કરતાં ઝડપી અને ઉચ્ચ ગુણવત્તાવાળા પરિણામો આપે છે.
- સૌથી કપટી ભૂલ બિન-ચકાસણી છે; સરળ આઉટપુટનો અર્થ ચોક્કસ નથી.
એપ્લિકેશન કાર્ય
તમને ન ગમતું જૂનું પ્રિન્ટઆઉટ શોધો અને "છ ડાયગ્નોસ્ટિક પ્રશ્નો" દ્વારા તેનો પ્રોમ્પ્ટ ચલાવો. કઈ ભૂલો થાય છે તે ચિહ્નિત કરો, દરેક માટે આ એકમમાં સુધારો લાગુ કરો અને ફરીથી પ્રોમ્પ્ટ ચલાવો. નોંધ કરો કે કયા એક કરેક્શનથી સૌથી વધુ સુધારો થયો છે, કેટલા રાઉન્ડ નહીં.
ચેકલિસ્ટ
- [ ] ખરાબ આઉટપુટના કિસ્સામાં, હું પહેલા પ્રોમ્પ્ટને પૂછું છું, એજન્ટને નહીં.
- [ ] હું છ ડાયગ્નોસ્ટિક પ્રશ્નો કરી શકું છું.
- [ ] હું જટિલ કાર્યોને બહુવિધ પ્રોમ્પ્ટ્સમાં વિભાજિત કરું છું.
- હું વિરોધાભાસી અને અસ્પષ્ટ સૂચનાઓ જોઉં છું અને તેને સુધારું છું.
- [ ] હું તેને પ્રકાશિત કરતા પહેલા હકીકતલક્ષી આઉટપુટની ચકાસણી કરું છું.