നേട്ടങ്ങൾ:
- അടുത്ത വാക്ക് പ്രവചിച്ചുകൊണ്ട് വലിയ ഭാഷാ മാതൃക എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്നും പെട്ടെന്ന് എഴുതുന്നതിന് ഇത് എന്താണ് അർത്ഥമാക്കുന്നത് എന്നും വിശദീകരിക്കുക
- എന്തുകൊണ്ടാണ് പ്രോംപ്റ്റ് ഔട്ട്പുട്ട് ഗുണനിലവാരം ഇത്രയധികം നിർണ്ണയിക്കുന്നത് എന്ന് അദ്ദേഹത്തിന് സ്വന്തം സൃഷ്ടിയിൽ നിന്നുള്ള ഒരു ഉദാഹരണത്തിലൂടെ കാണിക്കാൻ കഴിയും.
- മോഡലിൻ്റെ ശക്തിയും ബലഹീനതയും വേർതിരിച്ചറിയുന്നതിലൂടെ, ഏതൊക്കെ ജോലികൾ സുരക്ഷിതമായി ഉപയോഗിക്കണമെന്ന് ഒരാൾക്ക് തീരുമാനിക്കാം.
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിനും പ്രോംപ്റ്റിനും ആമുഖം: മോഡൽ "ചിന്തിക്കുന്നതെങ്ങനെ"
പ്രോംപ്റ്റുകൾ എങ്ങനെ എഴുതാമെന്ന് മനസിലാക്കാനുള്ള ഏറ്റവും നല്ല മാർഗം ആദ്യം ഉപകരണം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് മനസിലാക്കുക എന്നതാണ്. ഈ യൂണിറ്റിൽ, വലിയ ഭാഷാ മോഡലിൻ്റെ (ചുരുക്കത്തിൽ LLM; അതായത്, ടെക്സ്റ്റ് നിർമ്മിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് സിസ്റ്റം) അടിസ്ഥാന യുക്തി ഞങ്ങൾ കാണും, എന്തുകൊണ്ട് ഇത് നിങ്ങളുടെ ദൈനംദിന ജോലിയിൽ വളരെ ഉപയോഗപ്രദമാണ്, അതിന് അതിൻ്റെ പരിമിതികളുണ്ട്. ഈ അടിസ്ഥാനമില്ലാതെ എഴുതിയ നിർദ്ദേശങ്ങൾ പലപ്പോഴും "എന്തുകൊണ്ടാണ് അവ ചിലപ്പോൾ മികച്ച ഫലങ്ങളും ചിലപ്പോൾ ഭയാനകമായ ഫലങ്ങളും ഉണ്ടാക്കുന്നത്?" എന്ന ചോദ്യം നിങ്ങളെ വെറുതെ വിടുന്നു. ഈ യൂണിറ്റ് പൂർത്തിയാകുമ്പോൾ ഈ അനിശ്ചിതത്വം മിക്കവാറും അപ്രത്യക്ഷമാകും.
ഒരു വലിയ ഭാഷാ മോഡൽ യഥാർത്ഥത്തിൽ എന്താണ് ചെയ്യുന്നത്?
ഏറ്റവും ലളിതമായ നിർവചനത്തിൽ, നിങ്ങൾ നൽകുന്ന വാചകത്തെ പിന്തുടരുന്ന ഏറ്റവും സാധ്യതയുള്ള വാക്ക് പ്രവചിക്കുന്ന ഒരു സംവിധാനമാണ് വലിയ ഭാഷാ മാതൃക. കോടിക്കണക്കിന് വാക്യങ്ങൾ പരിശോധിച്ച്, മോഡൽ "ഏത് വാക്കിന് ശേഷം ഏത് വാക്ക് വരുന്നു" എന്ന പാറ്റേൺ പഠിച്ചു. നിങ്ങൾ ഒരു വാചകം ആരംഭിക്കുമ്പോൾ, മോഡൽ ഇതുവരെ എഴുതിയത് നോക്കുകയും ഏറ്റവും സാധ്യതയുള്ള തുടർച്ച സൃഷ്ടിക്കുകയും ചെയ്യുന്നു, തുടർന്ന് ഇൻപുട്ടിലേക്ക് ജനറേറ്റുചെയ്ത വാക്ക് ചേർക്കുകയും അടുത്തത് പ്രവചിക്കുകയും ചെയ്യുന്നു. പ്രതികരണം പൂർത്തിയാകുന്നതുവരെ ഈ ചക്രം തുടരുന്നു.
ഇവിടെ ഉപയോഗിച്ചിരിക്കുന്ന ടോക്കൺ എന്ന പദം വ്യക്തമാക്കാം: ടോക്കൺ എന്നത് ടെക്സ്റ്റിനെ തകർക്കുന്ന മോഡൽ ഏറ്റവും ചെറിയ യൂണിറ്റാണ്; ഇത് ഏകദേശം ഒരു വാക്കിൻ്റെയോ ഒരു വാക്കിൻ്റെ ഭാഗത്തിൻ്റെയോ വലുപ്പമാണ്. മോഡൽ പുരോഗമിക്കുന്നത് വാക്കിനല്ല, ടോക്കൺ കൊണ്ടാണ്. നിങ്ങളുടെ ഉദ്ദേശം "മനസ്സിലാക്കുന്ന" ഒരു മനുഷ്യനല്ല, മറിച്ച് നിങ്ങൾ നൽകുന്ന വാചകത്തിന് ഏറ്റവും അനുയോജ്യമായ തുടർച്ചയെ സ്ഥിതിവിവരക്കണക്കനുസരിച്ച് തിരഞ്ഞെടുക്കുന്ന വളരെ ശക്തമായ ഒരു പ്രവചന യന്ത്രമാണ് മോഡൽ എന്നതാണ് നിങ്ങൾക്ക് പ്രായോഗികമായ അനന്തരഫലം.
ഈ നിർവചനത്തിൻ്റെ ഏറ്റവും പ്രധാനപ്പെട്ട സൂചന, ഔട്ട്പുട്ടിൻ്റെ ദിശയുടെ ഏറ്റവും ശക്തമായ ഡിറ്റർമിനൻ്റ് നിങ്ങൾ ഇൻപുട്ടായി നൽകുന്ന വാചകമാണ് എന്നതാണ്. അതിനാൽ നിങ്ങളുടെ പ്രോംപ്റ്റ്. മോഡൽ ഒരു ഡാറ്റാബേസിൽ നിന്ന് ഒരു റെഡിമെയ്ഡ് ഉത്തരം വരയ്ക്കുന്നില്ല, ഇൻ്റർനെറ്റിൽ ഒരു തത്സമയ തിരയൽ നടത്തുന്നില്ല, പേജുകൾ പകർത്തുന്നില്ല (പ്രത്യേകിച്ച് പ്രസ്താവിച്ചിട്ടില്ലെങ്കിൽ). നിങ്ങൾ നൽകുന്ന സന്ദർഭത്തിന് ഏറ്റവും അനുയോജ്യമായ വാചകം മാത്രമേ ഇത് നിർമ്മിക്കൂ. ഒരു നല്ല ഇൻപുട്ട് ഒരു നല്ല ഔട്ട്പുട്ടിനുള്ള ഏറ്റവും നിർണായകമായ അവസ്ഥയാണ്.
എന്തുകൊണ്ട് "ഒരേ മാതൃക, വ്യത്യസ്ത ഫലം"?
ഓരോ തവണയും ഏറ്റവും സാധ്യതയുള്ള വാക്ക് തിരഞ്ഞെടുക്കുന്നതിൽ മോഡൽ ക്രമരഹിതതയുടെ ഒരു ചെറിയ മാർജിൻ ഉപയോഗിക്കുന്നു; അതിനാൽ, നിങ്ങൾ ഒരേ നിർദ്ദേശം രണ്ടുതവണ ചോദിക്കുമ്പോൾ, നിങ്ങൾക്ക് കൃത്യമായ വാക്യങ്ങൾ ലഭിച്ചേക്കില്ല. ഇതൊരു ബഗ് അല്ല, ഇത് ഡിസൈനിൻ്റെ ഭാഗമാണ്. ഫലം ആകസ്മികമായി വിടാതിരിക്കാൻ വ്യക്തമായ ഒരു ചട്ടക്കൂട് വരയ്ക്കുക എന്നതാണ് നിങ്ങളുടെ ജോലി. ചട്ടക്കൂട് കൂടുതൽ വ്യക്തമാകുമ്പോൾ, രണ്ട് വ്യത്യസ്ത പരീക്ഷണങ്ങളുടെ ഫലങ്ങൾ കൂടുതൽ അടുത്തതും കൂടുതൽ ഉപയോഗപ്രദവുമാകും.
ഘട്ടം ഘട്ടമായി: മോഡലിലൂടെ ഒരു അഭ്യർത്ഥന എങ്ങനെ പുരോഗമിക്കും?
- ഇൻപുട്ട് വായിക്കുന്നു. നിങ്ങൾ എഴുതുന്ന ഓരോ വാക്കും പ്രവചനത്തെ നയിക്കുന്ന ഒരു സൂചനയാണ്. "ഒരു മുതിർന്ന അഭിഭാഷകനെപ്പോലെ" എന്ന് നിങ്ങൾ പറയുമ്പോൾ, മോഡൽ ടെക്സ്റ്റുകളെ ആ സ്വരത്തോട് കൂടുതൽ അടുപ്പിക്കുന്നു.
- സന്ദർഭം തൂക്കിനോക്കുന്നു. നിങ്ങൾ നൽകുന്ന പശ്ചാത്തലവും നിയന്ത്രണങ്ങളും ഉദാഹരണങ്ങളും എസ്റ്റിമേറ്റ് ചുരുക്കി. സന്ദർഭം ശൂന്യമാണെങ്കിൽ, മോഡൽ സ്വന്തം അനുമാനങ്ങൾ ഉപയോഗിച്ച് ശൂന്യത പൂരിപ്പിക്കുന്നു.
- അത് വാക്കിന് വചനം ഉത്പാദിപ്പിക്കുന്നു. അത് ഉത്പാദിപ്പിക്കുന്ന ഓരോ ടോക്കണും അടുത്തതിനുള്ള ഇൻപുട്ടായി മാറുന്നു; അതിനാൽ നിങ്ങൾ തുടക്കത്തിൽ നൽകുന്ന ദിശ മുഴുവൻ ഉത്തരത്തിലേക്കും കൊണ്ടുപോകുന്നു.
- അവൻ നിർത്തുന്നു. ടാസ്ക് പൂർത്തിയാകുമ്പോഴോ നിങ്ങൾ വ്യക്തമാക്കിയ ദൈർഘ്യത്തിൽ എത്തുമ്പോഴോ ഇത് ഉൽപ്പാദനത്തെ തടസ്സപ്പെടുത്തുന്നു.
മൂന്ന് മിനി കേസുകൾ: സംഖ്യകളിലെ പെട്ടെന്നുള്ള വ്യത്യാസം
കേസ് 1 - മാർക്കറ്റിംഗ് പ്രൊഫഷണൽ, ഇമെയിൽ വിഷയം. ഒരു മാർക്കറ്റിംഗ് വിദഗ്ധൻ "പ്രചാരണത്തിനായി ഒരു വിഷയം നിർദ്ദേശിക്കൂ" എന്ന് പറഞ്ഞപ്പോൾ, അദ്ദേഹത്തിന് 5 പൊതുവായ തലക്കെട്ടുകൾ ലഭിച്ചു, അവയൊന്നും ഇഷ്ടപ്പെട്ടില്ല; 20 മിനിറ്റോളം അദ്ദേഹം അത് കൈകൊണ്ട് തിരുത്തി. അടുത്ത ദിവസം, "ലക്ഷ്യമുള്ള പ്രേക്ഷകർ 30-45 വയസ് പ്രായമുള്ള എസ്എംഇ ഉടമകളാണ്, ഉൽപ്പന്നം ക്ലൗഡ് അക്കൗണ്ടിംഗ് സോഫ്റ്റ്വെയർ ആണ്, 6 യൂണിറ്റുകൾ, ഓരോന്നിനും പരമാവധി 45 പ്രതീകങ്ങൾ, കൗതുകമുണർത്തുന്നതാണ്, എന്നാൽ കുറച്ചുകാണുന്നു" എന്ന് അദ്ദേഹം പറഞ്ഞപ്പോൾ, 6 തലക്കെട്ടുകളിൽ 4 എണ്ണം അദ്ദേഹം നേരിട്ട് ഉപയോഗിച്ചു. ദൈർഘ്യം 20 മിനിറ്റിൽ നിന്ന് 4 മിനിറ്റായി കുറഞ്ഞു.
കേസ് 2 - ഹ്യൂമൻ റിസോഴ്സ്, പരസ്യ വാചകം. ഒരു എച്ച്ആർ സ്പെഷ്യലിസ്റ്റിന് "ഒരു സോഫ്റ്റ്വെയർ ഡെവലപ്പർ ജോലി എഴുതുക" എന്ന നിർദ്ദേശത്തോടുകൂടിയ ഒരു ബോയിലർ പ്ലേറ്റ് ടെക്സ്റ്റ് ലഭിച്ചു. കമ്പനിയുടെ യഥാർത്ഥ ഭാഷയും (3-വാക്യ സംസ്കാര വിവരണം), 4 നിർബന്ധിത യോഗ്യതകളും "ശമ്പള ശ്രേണി വ്യക്തമായി എഴുതുക" എന്ന നിയന്ത്രണവും ഞങ്ങൾ ചേർത്തപ്പോൾ, അടുത്ത പരസ്യത്തിൽ യോഗ്യതയില്ലാത്ത അപേക്ഷകരുടെ നിരക്ക് പരസ്യത്തിൽ ഗണ്യമായി കുറഞ്ഞു, കാരണം ടെക്സ്റ്റ് പ്രതീക്ഷ വ്യക്തമായി സ്ഥാപിച്ചു.
കേസ് 3 - അക്കൗണ്ടിംഗ്, റിപ്പോർട്ട് സംഗ്രഹം. ഒരു അക്കൗണ്ടിംഗ് എക്സിക്യൂട്ടീവ് 12 പേജുള്ള ചെലവ് റിപ്പോർട്ട് "സംഗ്രഹിച്ചു" എന്ന് പറഞ്ഞപ്പോൾ, മോഡൽ പ്രധാനപ്പെട്ട ഇനങ്ങൾ ഒഴിവാക്കി. "ഈ റിപ്പോർട്ടിൽ നിന്ന്, കഴിഞ്ഞ മാസത്തെ അപേക്ഷിച്ച് ഏറ്റവും കൂടുതൽ ചെലവ് വരുന്ന 5 ഇനങ്ങൾ പട്ടികപ്പെടുത്തിയിട്ടുണ്ട്, കഴിഞ്ഞ മാസത്തെ അപേക്ഷിച്ച് ശതമാനം മാറ്റം" എന്ന് അദ്ദേഹം പറഞ്ഞപ്പോൾ, അദ്ദേഹം മാനേജ്മെൻ്റ് മീറ്റിംഗിൽ എടുക്കുന്ന ഘടന കൃത്യമായി ലഭിച്ചു. ഉള്ളടക്കം ഒന്നുതന്നെയായിരുന്നു, നിർദ്ദേശങ്ങൾ വ്യത്യസ്തമായിരുന്നു.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ഒരേ ജോലി, രണ്ട് വ്യത്യസ്ത നിർദ്ദേശങ്ങൾ:
ദുർബലമായ പ്രോംപ്റ്റ്:
ഈ വാചകം സംഗ്രഹിക്കുക.[text]
ശക്തമായ നിർദ്ദേശം:
ഡയറക്ടേഴ്സ് ബോർഡിന് സമർപ്പിക്കുന്നതിന് ചുവടെയുള്ള മീറ്റിംഗ് കുറിപ്പ് സംഗ്രഹിക്കുക. - പരമാവധി 5 ഇനങ്ങൾ. - ഓരോ ഇനത്തിലും ഒരു തീരുമാനമോ പ്രവർത്തനമോ ഉണ്ടായിരിക്കണം; ചാറ്റ് വിശദാംശങ്ങൾ ഒഴിവാക്കുക. - ഉത്തരവാദിത്തപ്പെട്ട വ്യക്തി അറിയപ്പെടുന്ന പ്രവർത്തനങ്ങൾക്ക് പരാൻതീസിസിൽ പേര് എഴുതുക. - ലളിതവും ഔപചാരികവുമായ ഭാഷ ഉപയോഗിക്കുക. വാചകം: [ടെക്സ്റ്റ്]
രണ്ടാമത്തെ പ്രോംപ്റ്റ് മോഡലിനോട് എന്ത് ഉത്പാദിപ്പിക്കണം, ആർക്കുവേണ്ടി, ഏത് ഫോർമാറ്റിൽ, എന്ത് ഒഴിവാക്കണം എന്ന് പറയുന്നു. മോഡൽ "ചിന്ത" ചെയ്യുന്നില്ല, പകരം ശരിയായ തുടർച്ചയുടെ ഉത്പാദനമാണ്; ആ തുടർച്ചയുടെ ചട്ടക്കൂട് നിങ്ങൾ വരയ്ക്കുന്നു.
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
ഈ യൂണിറ്റിലെ യുക്തി വേഗത്തിൽ പ്രാവർത്തികമാക്കാൻ നാല് ലളിതമായ സ്റ്റാർട്ടർ ടെംപ്ലേറ്റുകൾ. നിങ്ങളുടെ സ്വന്തം വിവരങ്ങൾ ഉപയോഗിച്ച് ബ്രാക്കറ്റുകൾ പൂരിപ്പിക്കുക.
1) ഒരു അഭ്യർത്ഥന ശക്തിപ്പെടുത്തുന്നതിനുള്ള ചട്ടക്കൂട്:
നിങ്ങൾ ഈ ടാസ്ക് ചെയ്യണമെന്ന് ഞാൻ ആഗ്രഹിക്കുന്നു: [ടാസ്ക്]ആർക്ക്: [വാങ്ങുന്നയാൾ/പ്രേക്ഷകർ]ഏത് ഫോർമാറ്റിൽ: [നീളം, ഘടന]എന്ത് ഒഴിവാക്കണം: [നിങ്ങൾക്ക് ആവശ്യമില്ലാത്തത്]
2) മോഡലിൻ്റെ അതിരുകൾ പരിശോധിക്കുന്നു (വെരിഫിക്കേഷൻ റിഫ്ലെക്സ്):
ചുവടെയുള്ള നിങ്ങളുടെ ഉത്തരത്തിൽ വസ്തുതാപരമായ ക്ലെയിമുകൾ (നമ്പർ, തീയതി, പേര്, ഉറവിടം) ഉണ്ടെങ്കിൽ, ഓരോന്നും പ്രത്യേകം ലിസ്റ്റായി വേർതിരിച്ച് "പരിശോധിച്ചിരിക്കണം" എന്ന് അടയാളപ്പെടുത്തുക. ഉത്തരം: [മോഡലിൻ്റെ ഔട്ട്പുട്ട്]
3) ഒരേ ജോലി രണ്ട് തലങ്ങളിൽ പരീക്ഷിക്കുക:
ഇനിപ്പറയുന്ന വിഷയം രണ്ടുതവണ വിശദീകരിക്കുക: എ) തികച്ചും അപരിചിതന്, ദൈനംദിന ഭാഷയിൽ. ബി) ഈ മേഖലയിലെ ഒരു വിദഗ്ദ്ധന്, സാങ്കേതിക പദങ്ങളിൽ. വിഷയം: [വിഷയം]
4) മോഡലിനെ അനിശ്ചിതത്വം മനസ്സിലാക്കുന്നു:
ഞാൻ നിങ്ങൾക്ക് നൽകുന്ന അഭ്യർത്ഥന നടത്തുന്നതിന് മുമ്പ്, നഷ്ടമായതോ അവ്യക്തമായതോ ആയ പോയിൻ്റുകളെ കുറിച്ച് എന്നോട് 3 ചോദ്യങ്ങൾ ചോദിക്കുക; എന്നിട്ട് എൻ്റെ ഉത്തരങ്ങൾക്കനുസരിച്ച് നിർമ്മിക്കുക. അഭ്യർത്ഥന: [അഭ്യർത്ഥന]
മോഡലിൻ്റെ ശക്തിയും ബലഹീനതയും
വിഷയം
മോഡൽ ശക്തമാണ്
മോഡൽ ദുർബലമാണ് / ജാഗ്രതയാണ്
ഭാഷാ കാര്യങ്ങൾ
എഴുത്ത്, സംഗ്രഹം, വിവർത്തനം, ടോൺ മാറ്റൽ
വളരെ സാങ്കേതിക/നിഷ് ജാർഗൺ തെറ്റുകൾ
ഘടന
വാചകം പട്ടിക, പട്ടിക, സ്കെച്ച് എന്നിവയിലേക്ക് പരിവർത്തനം ചെയ്യുക
നീണ്ട വാചകത്തിൽ സ്ഥിരത നിലനിർത്തുന്നു
ആശയം
മസ്തിഷ്കപ്രക്ഷോഭം, ബദലുകൾ സൃഷ്ടിക്കൽ
എന്താണ് "ശരി" എന്ന് ഉറപ്പ് നൽകുന്നു
കേസ്
പൊതുവായ വിവരങ്ങൾ, നിർവചനം, വിശദീകരണം
നിലവിലെ/കൃത്യമായ ഡാറ്റ, നമ്പർ, തീയതി, ഉറവിടം
ന്യായവാദം
പടിപടിയായി മാർഗനിർദേശം നൽകിയാൽ നല്ലത്
സങ്കീർണ്ണമായ കണക്കുകൂട്ടലുകൾ നിശബ്ദമായി തെറ്റ് ചെയ്യരുത്
നുറുങ്ങ്: മോഡലിനെ "എല്ലാം അറിയാവുന്ന" എന്ന നിലയിലല്ല, മറിച്ച് "വളരെ വേഗത്തിൽ എഴുതുകയും ധാരാളം വായിക്കുകയും ചെയ്യുന്ന ഒരു അസിസ്റ്റൻ്റ് ആയി കാണുക, എന്നാൽ അവൻ പറയുന്നതെല്ലാം പരിശോധിച്ചുറപ്പിക്കേണ്ടതുണ്ട്." ഈ കാഴ്ച നിങ്ങളുടെ പ്രതീക്ഷകളെയും നിയന്ത്രണ ശീലത്തെയും ശരിയായി ക്രമീകരിക്കുന്നു.
ശ്രദ്ധിക്കുക: മോഡൽ വളരെ ആത്മവിശ്വാസമുള്ള ഭാഷയിൽ വിവരങ്ങൾ എഴുതിയേക്കാം, എന്നാൽ ഇത് വിവരങ്ങൾ ശരിയാണെന്ന് അർത്ഥമാക്കുന്നില്ല. എല്ലായ്പ്പോഴും സ്വതന്ത്രമായി വസ്തുതാപരമായ വിശദാംശങ്ങൾ, പ്രത്യേകിച്ച് നമ്പർ, പേര്, തീയതി, ചട്ടം, ഉറവിടം എന്നിവ പരിശോധിക്കുക. യൂണിറ്റ് 11 ൽ ഞങ്ങൾ ഈ വിഷയത്തിലേക്ക് വിശദമായി മടങ്ങും.
സാധാരണ തെറ്റുകൾ
- മാതൃക മനുഷ്യനാണെന്ന് തെറ്റിദ്ധരിക്കുന്നു. "എന്തായാലും അവർ മനസ്സിലാക്കും" എന്ന് പറഞ്ഞുകൊണ്ട് അപൂർണ്ണമായ നിർദ്ദേശങ്ങൾ നൽകുന്നു. മോഡൽ നിങ്ങളുടെ ഉദ്ദേശ്യം വായിക്കുന്നില്ല; നിങ്ങൾ ടൈപ്പ് ചെയ്യുന്നത് മാത്രമേ ഇത് പ്രോസസ്സ് ചെയ്യുന്നുള്ളൂ.
- ഒറ്റ ശ്രമത്തിൽ ഉപേക്ഷിക്കുന്നു. പ്രാരംഭ ഔട്ട്പുട്ട് മോശമാണെങ്കിൽ, ഉപകരണത്തെ കുറ്റപ്പെടുത്തുക. എന്നിരുന്നാലും, മിക്കപ്പോഴും പ്രശ്നം നിർദ്ദേശങ്ങളിലാണ്, ഒരു ചെറിയ തിരുത്തൽ ഫലം മാറ്റാൻ കഴിയും.
- വസ്തുതകൾ പരിശോധിക്കാതെ അവ ഉപയോഗിക്കുന്നു. മോഡൽ നിർമ്മിച്ച ഒരു സ്ഥിതിവിവരക്കണക്ക് അല്ലെങ്കിൽ ഉറവിടം ചോദ്യം ചെയ്യാതെ സ്വീകരിക്കുന്നത് ഏറ്റവും അപകടകരമായ ശീലമാണ്.
- ചിന്തിക്കാതെ രഹസ്യ ഡാറ്റ നൽകുക. ഉപകരണം എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് അറിയാതെ സെൻസിറ്റീവ് വിവരങ്ങൾ ഒട്ടിക്കുന്നു. പ്രൈവസി യൂണിറ്റിൽ നമ്മൾ കാണുന്നതുപോലെ ഇതിന് നിയമങ്ങളുണ്ട്.
- യാദൃശ്ചികതയെ ഒരു തെറ്റായി തെറ്റിദ്ധരിപ്പിക്കുന്നു. രണ്ട് വ്യത്യസ്ത ഫലങ്ങൾ "വാഹനം തകർന്നു" എന്ന് വ്യാഖ്യാനിക്കുന്നു; എന്നിരുന്നാലും, നിങ്ങൾ വ്യക്തത വർദ്ധിപ്പിക്കുമ്പോൾ, ഫലങ്ങൾ ഒത്തുചേരുന്നു.
ചുരുക്കത്തിൽ
- നിങ്ങൾ നൽകുന്ന വാചകത്തിൽ അടുത്തതായി പ്രത്യക്ഷപ്പെടാൻ സാധ്യതയുള്ള വാക്ക് (ടോക്കൺ) പ്രവചിച്ചുകൊണ്ടാണ് വലിയ ഭാഷാ മാതൃക പ്രവർത്തിക്കുന്നത്; അവൻ റെഡിമെയ്ഡ് ഉത്തരങ്ങൾ തിരഞ്ഞെടുക്കുന്നില്ല.
- ഔട്ട്പുട്ടിൻ്റെ ദിശ നിർണ്ണയിക്കുന്ന ഏറ്റവും ശക്തമായ ഘടകം നിങ്ങൾ ഇൻപുട്ടായി നൽകുന്ന പ്രോംപ്റ്റാണ്.
- മാതൃകാ ഭാഷയിലും ഘടനയിലും ആശയത്തിലും ശക്തൻ; കൃത്യമായ വസ്തുതകൾ, നിലവിലെ ഡാറ്റ, സങ്കീർണ്ണമായ കണക്കുകൂട്ടലുകൾ എന്നിവയിൽ ശ്രദ്ധാലുവാണ്.
- ചെറിയ ക്രമരഹിതമായതിനാൽ ഒരേ പ്രോംപ്റ്റ് വ്യത്യസ്ത ഫലങ്ങൾ നൽകിയേക്കാം; വ്യക്തത വർദ്ധിക്കുന്നതിനനുസരിച്ച്, ഫലങ്ങൾ കൂടുതൽ സ്ഥിരത കൈവരിക്കുന്നു.
- മോഡൽ "താൻ പറയുന്ന എല്ലാ കാര്യങ്ങളിലും സത്യസന്ധത പുലർത്തുന്ന ഒരു വിദഗ്ദ്ധൻ" അല്ല, മറിച്ച് "വേഗതയുള്ളതും എന്നാൽ പരിശോധിക്കേണ്ടതുമായ ഒരു സഹായിയാണ്".
ആപ്ലിക്കേഷൻ ടാസ്ക്
നിങ്ങൾ സ്ഥിരമായി ചെയ്യുന്ന ഒരു ദിവസത്തെ ജോലിയിൽ നിന്ന് ഒരു എഴുത്ത് ജോലി തിരഞ്ഞെടുക്കുക (ഉദാഹരണത്തിന് ഒരു ഇമെയിൽ, ഒരു സംഗ്രഹം അല്ലെങ്കിൽ ഒരു ലിസ്റ്റ്). ആദ്യം, ഏറ്റവും ലളിതമായ ഒരു വാക്യ പതിപ്പ് എഴുതുക, അത് ഒരു AI ടൂളിലേക്ക് നൽകുകയും ഔട്ട്പുട്ട് സംരക്ഷിക്കുകയും ചെയ്യുക. പിന്നെ അതേ ടാസ്ക്കിലേക്ക്; "ആർക്ക്, ഏത് ഫോർമാറ്റിൽ, ഏത് നീളത്തിൽ, എന്ത് ഒഴിവാക്കണം" എന്ന ചോദ്യങ്ങൾക്ക് ഉത്തരങ്ങൾ ചേർത്ത് അവരോട് വീണ്ടും ചോദിക്കുക. രണ്ട് ഔട്ട്പുട്ടുകളും വശങ്ങളിലായി വയ്ക്കുക, ഒരു വാക്യത്തിൽ ഏത് കൂട്ടിച്ചേർക്കലാണ് ഫലം കൂടുതൽ മെച്ചപ്പെടുത്തുന്നത്.
ചെക്ക്ലിസ്റ്റ്
- [ ] മോഡൽ "അടുത്ത വാക്ക് പ്രവചിക്കുക" ആണെന്നും എൻ്റെ ഉദ്ദേശ്യം വായിക്കുന്നില്ലെന്നും ഞാൻ മനസ്സിലാക്കി.
- [ ] ഔട്ട്പുട്ടിൻ്റെ ഗുണനിലവാരം പ്രധാനമായും പ്രോംപ്റ്റിൻ്റെ ഗുണനിലവാരത്തെ ആശ്രയിച്ചിരിക്കുന്നുവെന്ന് ഞാൻ മനസ്സിലാക്കി.
- [ ] മോഡൽ ശക്തവും ദുർബലവുമായ ടാസ്ക് തരങ്ങൾ തമ്മിൽ എനിക്ക് വേർതിരിച്ചറിയാൻ കഴിയും.
- [ ] എനിക്ക് വസ്തുതാപരമായ വിശദാംശങ്ങൾ (നമ്പർ, തീയതി, പേര്, ഉറവിടം) പരിശോധിക്കേണ്ടതുണ്ടെന്ന് ഞാൻ മനസ്സിലാക്കുന്നു.
- [ ] ഒരേ പ്രോംപ്റ്റിന് വ്യത്യസ്ത ഫലങ്ങൾ നൽകാൻ കഴിയുന്നത് എന്തുകൊണ്ടാണെന്ന് എനിക്ക് വിശദീകരിക്കാൻ കഴിയും.