Nyereség:
- Magyarázza el, hogyan működik a nagy nyelvi modell a következő szó előrejelzésével, és mit jelent ez a gyors írásban
- Saját munkájából vett példával tudja bemutatni, hogy a Prompt miért határozza meg annyira a kimeneti minőséget.
- A modell erősségeit és gyengeségeit megkülönböztetve eldönthető, hogy mely feladatokat használja biztonságosan.
Bevezetés a mesterséges intelligenciába és felszólítás: Hogyan „gondolkozik” a modell
A felszólítások írásának megtanulásának legjobb módja, ha először megérti az eszköz működését. Ebben az egységben a nagynyelvi modell (röviden LLM; vagyis a szöveget előállító mesterséges intelligencia rendszerének) alapvető logikáját láthatjuk, miért olyan hasznos a mindennapi munkában, és hol vannak a határai. Az ilyen alapok nélkül írt felszólítások gyakran felvetik a kérdést: "miért hoznak néha nagyszerű, néha szörnyű eredményeket?" békén hagy a kérdéssel. Ez a bizonytalanság nagymértékben megszűnik, ha ez az egység elkészül.
Mit csinál valójában egy nagy nyelvű modell?
A legegyszerűbb definíció szerint a nagy nyelvi modell egy olyan rendszer, amely előrejelzi a legvalószínűbb szót, amely az Ön által megadott szöveget követi. Több milliárd mondat vizsgálatával a modell megtanulta a "melyik szó melyik szó után jön" mintát. Amikor elkezdünk egy mondatot, a modell megnézi az eddig leírtakat, és generálja a legvalószínűbb folytatást, majd hozzáadja a generált szót a bemenethez, és megjósolja a következőt. Ez a ciklus addig tart, amíg a válasz be nem fejeződik.
Tisztázzuk az itt használt token kifejezést: a token az a legkisebb egység, amelyre a modell a szöveget bontja; Nagyjából akkora, mint egy szó vagy egy szórész. A modell nem szóról szóra halad előre, hanem jelzőről tokenre. A gyakorlati következmény számodra az, hogy a modell nem egy ember, aki "megérti" a szándékodat, hanem egy nagyon erős prediktív gép, amely statisztikailag kiválasztja a legmegfelelőbb folytatást az általad adott szöveghez.
Ennek a definíciónak a legfontosabb következménye, hogy a kimenet irányának legerőteljesebb meghatározója a bemenetként megadott szöveg. Tehát a felszólításod. A modell nem készít kész választ adatbázisból, nem végez élő keresést az interneten, és nem másol oldalakat (hacsak nincs kifejezetten másképp jelezve). Csak olyan szöveget állít elő, amely a legjobban illeszkedik az adott kontextushoz. A jó bemenet a legmeghatározóbb feltétele a jó kimenetnek.
Miért „Ugyanaz a modell, más az eredmény”?
A modell egy kis véletlenszerűséget is használ a legvalószínűbb szó kiválasztásában minden alkalommal; Ezért ha ugyanazt a felszólítást kétszer megkérdezi, előfordulhat, hogy nem pontosan ugyanazokat a mondatokat kapja. Ez nem hiba, hanem a tervezés része. Az Ön feladata, hogy elég világos keretet rajzoljon ahhoz, hogy ne bízza a véletlenre az eredményt. Minél világosabb a keret, annál szorosabb és hasznosabb lesz két különböző kísérlet eredménye.
Lépésről lépésre: hogyan halad egy kérés a modellben?
- Beolvassa a bemenetet. Minden szó, amit írsz, egy nyom, amely vezérli a jóslatot. Amikor azt mondod, hogy „mint egy vezető ügyvéd”, a modell valószínűbbé teszi az ehhez a hangnemhez közelebb álló szövegeket.
- Mérlegezi a kontextust. Az Ön által megadott háttér, megszorítások és példák leszűkítik a becslést. Ha a kontextus üres, a modell kitölti az üres helyeket a saját feltevéseivel.
- Szóról szóra produkál. Minden általa előállított token a következő bemenetévé válik; így az elején megadott irány az egész válaszra vonatkozik.
- Megáll. Megszakítja a termelést, ha a feladat befejeződik, vagy eléri a megadott hosszt.
Három mini tok: azonnali különbség a számokban
1. eset – Marketingszakember, e-mail tárgya. Amikor egy marketingszakértő azt mondta, hogy "javasljon témát a kampányhoz", 5 általános címet kapott, és egyik sem tetszett neki; 20 percet töltött azzal, hogy kézzel javítsa ki. Másnap, amikor azt mondta: "A célközönség a 30-45 év közötti kkv-tulajdonosok, a termék egy felhőalapú könyvelési szoftver, 6 egység, egyenként maximum 45 karakterrel, érdekes, de visszafogottan" - a 6 címsorból 4-et közvetlenül használt. Az időtartam 20 percről 4 percre csökkent.
2. eset – Emberi erőforrások, hirdetésszöveg. Egy HR-szakértő kapott egy "szoftverfejlesztői feladatot" felszólító szöveget. Amikor a prompthoz hozzáadtuk a cég tényleges nyelvezetét (3 mondatos kultúraleírás), 4 kötelező minősítést, valamint a „bérezési kört egyértelműen írd meg” korlátozást, a következő hirdetésnél érezhetően csökkent a képzettség nélküli jelentkezők aránya a hirdetésben, mert a szöveg egyértelműen megalapozta az elvárást.
3. eset – Számvitel, jelentés összefoglaló. Amikor egy számviteli vezető azt mondta, hogy "összefoglalt" egy 12 oldalas költségjelentést, a modell kihagyott fontos tételeket. Amikor azt mondta: "Ebből a jelentésből az 5 legmagasabb kiadási tétel szerepel a táblázatban a múlt hónaphoz viszonyított százalékos változással", pontosan azt a szerkezetet kapta, amelyet a vezetői értekezletre vinne. A tartalom ugyanaz, az utasítások mások.
Gyenge felszólítás / Erős felszólítás
Ugyanaz a munka, két különböző utasítással:
Gyenge felszólítás:
Foglalja össze ezt a szöveget.[text]
Erőteljes felszólítás:
Foglalja össze az alábbi ülés jegyzőkönyvét, amelyet az igazgatóság elé kell terjeszteni. - Maximum 5 elem. - Minden tételnek tartalmaznia kell egy döntést vagy intézkedést; Hagyja ki a csevegés részleteit. - Zárójelben írja be azoknak a tevékenységeknek a nevét, amelyekért ismert a felelős. - Használjon egyszerű, formális nyelvezetet. Szöveg: [szöveg]
A második prompt megmondja a modellnek, hogy mit készítsen, kinek, milyen formátumban és mit hagyjon ki. A modell nem a „gondolkodást”, hanem a helyes folytatást produkálja; Te rajzolod meg ennek a folytatásnak a keretét.
Négy másolható sablon
Négy egyszerű kezdősablon az egység logikájának gyors gyakorlatba ültetéséhez. Töltse ki a zárójeleket saját adataival.
1) A kérés megerősítésének keretei:
Azt szeretném, ha ezt a feladatot végeznéd el: [feladat]Kinek: [vevő/közönség]Milyen formátumban: [hosszúság, szerkezet]Amit kihagyhatsz: [mit nem szeretnél]
2) A modell határainak ellenőrzése (ellenőrző reflex):
Ha az alábbi válaszában tényszerű állítások (szám, dátum, név, forrás) szerepelnek, vegye ki mindegyiket külön listaként, és jelölje meg, hogy "ellenőrizendő". Válasz: [a modell kimenete]
3) Próbáld ki ugyanazt a feladatot két szinten:
Magyarázza el kétszer a következő témát:A) Egy teljesen idegennek, hétköznapi nyelven.B) A terület szakértőjének, szaknyelven.Téma: [téma]
4) A modell felismerése a bizonytalansággal:
Mielőtt feltenné az általam adott kérést, tegyen fel 3 kérdést azokról a pontokról, amelyeket hiányzónak vagy tisztázatlannak talál; majd a válaszaim szerint állítsd elő.Kérés: [kérés]
A modell erősségei és gyengeségei
Tárgy
A modell erős
A modell gyenge / óvatos
nyelvi ügyek
Írás, összegzés, fordítás, hangnemváltás
Nagyon technikai/rés szakzsargon hibák
szerkezetét
Szöveg konvertálása táblázattá, listává, vázlattá
A következetesség megőrzése a hosszú szövegben
ötlet
Ötletbörze, alternatívák generálása
A "jó" garantálása
ügyben
Általános információk, meghatározás, magyarázat
Aktuális/pontos adatok, szám, dátum, forrás
érvelés
Jó, ha lépésről lépésre vezetik
Ne végezzen bonyolult számításokat csendben
Tipp: Tekintse a modellt ne "mindent tudó szakértőnek", hanem "asszisztensnek, aki nagyon gyorsan ír, sokat olvas, de mindent, amit mond, ellenőrizni kell." Ez a nézet megfelelően igazítja elvárásait és ellenőrzési szokásait is.
Figyelem: Lehet, hogy a modell nagyon magabiztos nyelven ír információkat, de ez nem jelenti azt, hogy az információ helyes. Mindig függetlenül ellenőrizze a tényadatokat, különösen a számot, nevet, dátumot, jogszabályt és forrást. Erre a témára a 11. fejezetben részletesen visszatérünk.
Gyakori hibák
- A modell összetévesztése egy emberrel. Hiányos utasítások megadása azzal, hogy „Úgyis megértik”. A modell nem olvassa el a szándékát; Csak azt dolgozza fel, amit beír.
- Egy próbálkozással feladni. Ha a kezdeti kimenet gyenge, hibáztassa a szerszámot. A probléma azonban legtöbbször az utasításokban van, és egy kis javítás megváltoztathatja az eredményt.
- Tények felhasználása azok ellenőrzése nélkül. A modell által készített statisztika vagy forrás kérdés nélküli elfogadása a legkockázatosabb szokás.
- Bizalmas adatok bevitele gondolkodás nélkül. Érzékeny információk beillesztése az eszköz működésének ismerete nélkül. Ennek megvannak a szabályai, ahogy azt az adatvédelmi egységben látni fogjuk.
- A véletlenszerűség összetévesztése hibával. Két különböző eredmény értelmezése úgy, hogy "a jármű elromlott"; Ha azonban növeli a tisztaságot, az eredmények konvergálnak.
Összefoglalva
- A nagy nyelvi modell úgy működik, hogy megjósolja azt a szót (token), amely a legnagyobb valószínűséggel fog megjelenni a következő szövegben; Nem választ kész válaszokat.
- A kimenet irányát meghatározó legerősebb tényező a bemenetként megadott prompt.
- Erős modellnyelve, szerkezete és elképzelése; óvatos a pontos tényekkel, aktuális adatokkal és összetett számításokkal.
- A kis véletlenszerűség miatt ugyanaz a prompt eltérő eredményt adhat; Az egyértelműség növekedésével az eredmények következetesebbek lesznek.
- A modell nem "egy szakértő, aki mindenhez igaz, amit mond", hanem "egy asszisztens, aki gyors, de igazolni kell".
Pályázati feladat
Válasszon egy írási feladatot a napi munkája közül, amelyet rendszeresen végez (például egy e-mailt, egy összefoglalót vagy egy listát). Először írja meg a legegyszerűbb egymondatos verziót, adja át egy AI eszköznek, és mentse el a kimenetet. Aztán ugyanarra a feladatra; Adja hozzá a „kinek, milyen formátumban, milyen hosszúságban és mit hagyjon ki” kérdésekre a válaszokat, és kérdezze meg újra. Helyezze egymás mellé a két kimenetet, és egy mondatban jegyezze meg, hogy melyik kiegészítés javítja a legjobban az eredményt.
ellenőrző lista
- [ ] Rájöttem, hogy a modell "megjósolta a következő szót", és nem olvasott a szándékomban.
- [ ] Rájöttem, hogy a kimenet minősége nagyban függ a prompt minőségétől.
- [ ] Meg tudom különböztetni azokat a feladattípusokat, ahol a modell erős és gyenge.
- [ ] Tudomásul veszem, hogy igazolnom kell a tényadatokat (szám, dátum, név, forrás).
- [ ] Meg tudom magyarázni, hogy ugyanaz a prompt miért adhat különböző eredményeket.