Thiết kế câu lệnh là quá trình tạo câu lệnh hoặc yêu cầu bằng ngôn ngữ tự nhiên, giúp gợi ra câu trả lời chính xác, chất lượng cao từ mô hình ngôn ngữ.
Trang này giới thiệu các khái niệm, chiến lược và phương pháp hay nhất để bạn bắt đầu thiết kế câu lệnh nhằm khai thác tối đa các mô hình AI của Gemini.
Hướng dẫn về câu lệnh theo chủ đề
Bạn đang tìm kiếm các chiến lược cụ thể hơn về câu lệnh? Hãy xem các hướng dẫn khác về câu lệnh của chúng tôi trên:
Google AI Studio cũng lưu trữ một thư viện câu lệnh nhằm giới thiệu một cách tương tác nhiều khái niệm được chia sẻ trong hướng dẫn này.
Hướng dẫn rõ ràng và cụ thể
Một cách hiệu quả và hiệu quả để tuỳ chỉnh hành vi của mô hình là cung cấp cho mô hình đó các hướng dẫn rõ ràng và cụ thể. Hướng dẫn có thể ở dạng câu hỏi, nhiệm vụ từng bước hoặc phức tạp như việc lập bản đồ trải nghiệm và tư duy của người dùng.
Đầu vào
Dữ liệu đầu vào là văn bản bắt buộc trong câu lệnh mà bạn muốn mô hình đưa ra phản hồi. Dữ liệu đầu vào có thể là một câu hỏi mà mô hình trả lời (dữ liệu đầu vào là câu hỏi), một tác vụ mà mô hình thực hiện (dữ liệu đầu vào là tác vụ), một thực thể mà mô hình hoạt động trên đó (dữ liệu đầu vào là thực thể) hoặc một phần dữ liệu đầu vào mà mô hình hoàn thành hoặc tiếp tục (dữ liệu đầu vào là dữ liệu hoàn thành).
| Loại dữ liệu đầu vào | Câu lệnh | Nội dung tạo sinh |
|---|---|---|
| Câu hỏi | |
|
| Việc cần làm | Give me a simple list of just the things that I must bring on a camping trip. The list should have 5 items. |
1. **Tent:** Your shelter from the elements.
2. **Sleeping Bag:** Stay warm and comfortable.
3. **Sleeping Pad:** Insulation and cushioning for a good night's sleep.
4. **Headlamp or Flashlight:** Light for nighttime activities.
5. **First Aid Kit:** Be prepared for minor injuries. |
| Thực thể | |
|
Hoàn tất một phần dữ liệu đầu vào
Mô hình ngôn ngữ tạo sinh hoạt động như một công cụ tự động hoàn thành nâng cao. Khi bạn cung cấp một phần nội dung, mô hình có thể cung cấp phần nội dung còn lại hoặc nội dung mà mô hình cho là nội dung tiếp nối nội dung đó dưới dạng phản hồi. Khi làm như vậy, nếu bạn đưa vào bất kỳ ví dụ hoặc ngữ cảnh nào, mô hình có thể tính đến các ví dụ hoặc ngữ cảnh đó.
Ví dụ sau đây cung cấp một lời nhắc kèm theo hướng dẫn và dữ liệu đầu vào về thực thể:
For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or drink, with the value being the quantity. Order: A burger and a drink. {
"cheeseburger": 0,
"hamburger": 1,
"fries": 0,
"drink": 1
}
|
Mặc dù mô hình đã làm theo lời nhắc, nhưng việc viết hướng dẫn bằng ngôn ngữ tự nhiên đôi khi có thể gây khó khăn và khiến mô hình phải diễn giải nhiều. Ví dụ: thực đơn của nhà hàng có thể chứa nhiều món ăn. Để giảm kích thước của phản hồi JSON, bạn có thể bỏ qua các mặt hàng không được đặt hàng. Trong trường hợp này, bạn có thể đưa ra một ví dụ và phần tiền tố phản hồi rồi để mô hình hoàn tất:
Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
```
{
"cheeseburger": 1,
"fries": 1
}
```
Order: I want two burgers, a drink, and fries.
Output:
```
{
"hamburger": 2,
"drink": 1,
"fries": 1
}
```
|
Hãy lưu ý cách "bánh mì kẹp pho mát" bị loại trừ khỏi kết quả vì món này không phải là một phần của đơn đặt hàng.
Giới hạn
Chỉ định mọi quy tắc ràng buộc khi đọc câu lệnh hoặc tạo câu trả lời. Bạn có thể cho mô hình biết những việc cần làm và không nên làm. Ví dụ: bạn có thể chỉ định một quy tắc ràng buộc trong lời nhắc về thời lượng mà bạn muốn tóm tắt:
|
Summarize this text in one sentence:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
Exploiting quantum mechanical phenomena, quantum computers can perform calculations exponentially faster than traditional computers for potential applications like cybersecurity and meteorology, although they are currently largely experimental and impractical.
|
Định dạng phản hồi
Bạn có thể đưa ra hướng dẫn chỉ định định dạng của phản hồi. Ví dụ: bạn có thể yêu cầu định dạng câu trả lời dưới dạng bảng, danh sách dấu đầu dòng, bản giới thiệu ngắn gọn, từ khoá, câu hoặc đoạn văn. Hướng dẫn hệ thống sau đây yêu cầu mô hình trả lời theo cách trò chuyện hơn:
All questions should be answered comprehensively with details, unless the user requests a concise response specifically. What is a smart way to make a business that sells DVD's in 2025? Starting a business selling DVDs in 2025 presents significant challenges due to the overwhelming dominance of digital streaming and on-demand services; a "smart" approach would therefore require a highly specialized niche, a strong value proposition beyond just the disc, and likely a focus on community or collector markets rather than mainstream consumption.
Here's a breakdown of what a smart DVD business in 2025 would likely entail:
1. Extreme Niche Specialization: You cannot compete with streaming libraries. Your business must focus on what digital doesn't offer easily or at all. This could include:
* Out-of-Print & Rare Titles: Sourcing films or TV shows that have never been released digitally or are currently unavailable on major streaming platforms.
....
|
Định dạng câu trả lời bằng chiến lược hoàn tất
Chiến lược hoàn thành cũng có thể giúp định dạng phản hồi. Ví dụ sau đây nhắc mô hình tạo dàn ý cho bài luận:
Create an outline for an essay about hummingbirds. Here is a possible outline for an essay about hummingbirds: I. Introduction A. Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size). B. Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds. C. Thesis Statement: State the main point of the essay, which could be about the remarkable adaptations, behaviors, and ecological importance of hummingbirds. II. Appearance and Identification ..... |
Lời nhắc không chỉ định định dạng cho bản phác thảo và mô hình đã chọn một định dạng cho bạn. Để yêu cầu mô hình trả về một bản phác thảo ở định dạng cụ thể, bạn có thể thêm văn bản đại diện cho phần bắt đầu của bản phác thảo và để mô hình hoàn tất bản phác thảo đó dựa trên mẫu mà bạn đã bắt đầu.
Create an outline for an essay about hummingbirds. I. Introduction * Okay, here is an outline for an essay about hummingbirds, starting from the introduction you provided: I. Introduction * Hook: Start with a captivating fact or description about hummingbirds (e.g., their speed, iridescent colors, or tiny size). * Background: Briefly introduce hummingbirds – where they are found (Americas), their reputation as unique birds, and their general characteristics. * Thesis Statement: State the main point of the essay, focusing on the remarkable adaptations, behaviors, and ecological significance that make hummingbirds extraordinary. ..... |
Lời nhắc không có ví dụ so với lời nhắc có một vài ví dụ
Bạn có thể đưa các ví dụ vào câu lệnh để cho mô hình biết cách thực hiện đúng. Mô hình này cố gắng xác định các mẫu và mối quan hệ từ các ví dụ rồi áp dụng các mẫu và mối quan hệ đó khi tạo phản hồi. Câu lệnh chứa một vài ví dụ được gọi là câu lệnh một vài lần, còn câu lệnh không cung cấp ví dụ được gọi là câu lệnh không có ví dụ. Lời nhắc ít lần lặp lại thường được dùng để điều chỉnh định dạng, cách diễn đạt, phạm vi hoặc mẫu chung của các phản hồi của mô hình. Sử dụng các ví dụ cụ thể và đa dạng để giúp mô hình thu hẹp tiêu điểm và tạo ra kết quả chính xác hơn.
Bạn nên luôn đưa ví dụ về một vài lần chụp vào câu lệnh. Câu lệnh không có ví dụ về một vài lần chụp có thể kém hiệu quả hơn. Trên thực tế, bạn có thể xoá hướng dẫn khỏi câu lệnh nếu ví dụ của bạn đủ rõ ràng để cho thấy nhiệm vụ hiện tại.
Lời nhắc không có ví dụ sau đây yêu cầu mô hình chọn nội dung giải thích phù hợp nhất.
Please choose the best explanation to the question: Question: How is snow formed? Explanation1: Snow is formed when water vapor in the air freezes into ice crystals in the atmosphere, which can combine and grow into snowflakes as they fall through the atmosphere and accumulate on the ground. Explanation2: Water vapor freezes into ice crystals forming snow. Answer: Explanation1 is the better explanation because it provides more detail on the process, including how ice crystals combine and grow into snowflakes as they fall through the atmosphere. |
Nếu trường hợp sử dụng của bạn yêu cầu mô hình đưa ra câu trả lời ngắn gọn, bạn có thể đưa vào lời nhắc các ví dụ ưu tiên câu trả lời ngắn gọn.
Lời nhắc sau đây cung cấp hai ví dụ cho thấy ưu tiên các nội dung giải thích ngắn hơn. Trong câu trả lời, bạn có thể thấy rằng các ví dụ đã hướng dẫn mô hình chọn nội dung giải thích ngắn hơn (Explanation2) thay vì nội dung giải thích dài hơn (Explanation1) như trước đây.
Below are some examples showing a question, explanation, and answer format: Question: Why is the sky blue? Explanation1: The sky appears blue because of Rayleigh scattering, which causes shorter blue wavelengths of light to be scattered more easily than longer red wavelengths, making the sky look blue. Explanation2: Due to Rayleigh scattering effect. Answer: Explanation2 Question: What is the cause of earthquakes? Explanation1: Sudden release of energy in the Earth's crust. Explanation2: Earthquakes happen when tectonic plates suddenly slip or break apart, causing a release of energy that creates seismic waves that can shake the ground and cause damage. Answer: Explanation1 Now, Answer the following question given the example formats above: Question: How is snow formed? Explanation1: Snow is formed when water vapor in the air freezes into ice crystals in the atmosphere, which can combine and grow into snowflakes as they fall through the atmosphere and accumulate on the ground. Explanation2: Water vapor freezes into ice crystals forming snow. Answer: Answer: Explanation2 |
Số lượng ví dụ tối ưu
Các mô hình như Gemini thường có thể nhận ra các mẫu bằng một vài ví dụ, mặc dù bạn có thể cần thử nghiệm số lượng ví dụ cần cung cấp trong câu lệnh để có kết quả tốt nhất. Đồng thời, nếu bạn đưa vào quá nhiều ví dụ, mô hình có thể bắt đầu phù hợp quá mức với phản hồi cho các ví dụ.
Mẫu và mẫu chống
Việc sử dụng ví dụ để cho mô hình thấy một mẫu cần tuân theo sẽ hiệu quả hơn so với việc sử dụng ví dụ để cho mô hình thấy một mẫu đối lập cần tránh.
⛔ Mẫu phủ định:
Don't end haikus with a question: Haiku are fun A short and simple poem Don't you enjoy them? |
✅ Mẫu tích cực:
Always end haikus with an assertion: Haiku are fun A short and simple poem A joy to write |
Định dạng nhất quán
Đảm bảo rằng cấu trúc và định dạng của các ví dụ về ít lần xuất hiện giống nhau để tránh các phản hồi có định dạng không mong muốn. Một trong những mục tiêu chính của việc thêm ví dụ về một số ít câu lệnh trong câu lệnh là cho mô hình biết định dạng phản hồi. Do đó, điều quan trọng là phải đảm bảo định dạng nhất quán trên tất cả các ví dụ, đặc biệt là chú ý đến thẻ XML, khoảng trắng, dòng mới và trình phân tách ví dụ.
Thêm ngữ cảnh
Bạn có thể đưa hướng dẫn và thông tin vào lời nhắc mà mô hình cần để giải quyết vấn đề, thay vì giả định rằng mô hình có tất cả thông tin cần thiết. Thông tin theo bối cảnh này giúp mô hình hiểu được các quy tắc ràng buộc và thông tin chi tiết về những việc bạn yêu cầu mô hình thực hiện.
Ví dụ sau đây yêu cầu mô hình đưa ra hướng dẫn khắc phục sự cố cho một bộ định tuyến:
What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly. A yellow blinking light on your Google Wifi router usually indicates a problem
with the internet connection. Here are some steps to troubleshoot and fix the
issue:
1. Restart your router and modem:
- Unplug your modem from the power outlet and wait for 30 seconds.
- Plug your modem back in and wait for it to fully boot up.
- Unplug your Google Wifi router and wait for 30 seconds.
- Plug your Google Wifi router back in and wait for it to fully boot up.
.....
|
Phản hồi có vẻ như là thông tin khắc phục sự cố chung không dành riêng cho bộ định tuyến hoặc trạng thái của đèn chỉ báo LED.
Để tuỳ chỉnh phản hồi cho một bộ định tuyến cụ thể, bạn có thể thêm hướng dẫn khắc phục sự cố của bộ định tuyến vào lời nhắc dưới dạng ngữ cảnh để bộ định tuyến tham khảo khi cung cấp phản hồi.
Answer the question using the text below. Respond with only the text provided. Question: What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly. Text: Color: Slowly pulsing yellow What it means: There is a network error. What to do: Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again. Color: Fast blinking yellow What it means: You are holding down the reset button and are factory resetting this device. What to do: If you keep holding down the reset button, after about 12 seconds, the light will turn solid yellow. Once it is solid yellow, let go of the factory reset button. Color: Solid yellow What it means: Router is factory resetting. What to do: This can take up to 10 minutes. When it's done, the device will reset itself and start pulsing white, letting you know it's ready for setup. Color: Solid red What it means: Something is wrong. What to do: Critical failure. Factory reset the router. If the light stays red, contact Wifi customer support. Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again. |
Thêm tiền tố
Tiền tố là một từ hoặc cụm từ mà bạn thêm vào nội dung lời nhắc. Tiền tố có thể phục vụ nhiều mục đích, tuỳ thuộc vào vị trí bạn đặt tiền tố:
- Tiền tố đầu vào: Thêm tiền tố vào các tín hiệu đầu vào có ý nghĩa ngữ nghĩa của phần đầu vào vào mô hình. Ví dụ: tiền tố "Tiếng Anh:" và "Tiếng Pháp:" phân định hai ngôn ngữ khác nhau.
- Tiền tố đầu ra: Mặc dù đầu ra do mô hình tạo ra, nhưng bạn có thể thêm tiền tố cho đầu ra trong lời nhắc. Tiền tố đầu ra cung cấp cho mô hình thông tin về nội dung dự kiến sẽ là phản hồi. Ví dụ: tiền tố đầu ra "JSON:" báo hiệu cho mô hình rằng đầu ra phải ở định dạng JSON.
- Ví dụ về tiền tố: Trong các câu lệnh ít lần lặp, việc thêm tiền tố vào các ví dụ sẽ cung cấp nhãn mà mô hình có thể sử dụng khi tạo đầu ra, giúp dễ dàng phân tích cú pháp nội dung đầu ra hơn.
Trong ví dụ sau, "Text:" (Văn bản:) là tiền tố đầu vào và "The answer is:" (Câu trả lời là:) là tiền tố đầu ra.
Classify the text as one of the following categories. - large - small Text: Rhino The answer is: large Text: Mouse The answer is: small Text: Snail The answer is: small Text: Elephant The answer is: The answer is: large |
Chia nhỏ câu lệnh thành các thành phần
Đối với các trường hợp sử dụng yêu cầu lời nhắc phức tạp, bạn có thể giúp mô hình quản lý độ phức tạp này bằng cách chia nhỏ các thành phần thành các thành phần đơn giản hơn.
Phân chia hướng dẫn: Thay vì có nhiều hướng dẫn trong một câu lệnh, hãy tạo một câu lệnh cho mỗi hướng dẫn. Bạn có thể chọn lời nhắc cần xử lý dựa trên dữ liệu đầu vào của người dùng.
Chuỗi lời nhắc: Đối với các tác vụ phức tạp liên quan đến nhiều bước tuần tự, hãy đặt mỗi bước thành một lời nhắc và nối các lời nhắc với nhau theo trình tự. Trong chuỗi lời nhắc tuần tự này, đầu ra của một lời nhắc trong trình tự sẽ trở thành đầu vào của lời nhắc tiếp theo. Kết quả của câu lệnh cuối cùng trong trình tự là kết quả cuối cùng.
Tổng hợp phản hồi: Tổng hợp là khi bạn muốn thực hiện nhiều tác vụ song song trên nhiều phần dữ liệu và tổng hợp kết quả để tạo ra kết quả cuối cùng. Ví dụ: bạn có thể yêu cầu mô hình thực hiện một thao tác trên phần đầu tiên của dữ liệu, thực hiện một thao tác khác trên phần còn lại của dữ liệu và tổng hợp kết quả.
Thử nghiệm với các tham số của mô hình
Mỗi lệnh gọi mà bạn gửi đến một mô hình đều bao gồm các giá trị tham số kiểm soát cách mô hình tạo phản hồi. Mô hình này có thể tạo ra kết quả khác nhau cho các giá trị tham số khác nhau. Thử nghiệm với nhiều giá trị tham số để có được giá trị tốt nhất cho tác vụ. Các thông số có sẵn cho các mô hình có thể khác nhau. Sau đây là các tham số phổ biến nhất:
Số lượng mã thông báo đầu ra tối đa: Chỉ định số lượng mã thông báo tối đa có thể được tạo trong phản hồi. Mã thông báo có khoảng 4 ký tự. 100 mã thông báo tương ứng với khoảng 60 đến 80 từ.
Nhiệt độ: Nhiệt độ kiểm soát mức độ ngẫu nhiên trong việc chọn mã thông báo. Nhiệt độ được dùng để lấy mẫu trong quá trình tạo phản hồi, xảy ra khi áp dụng
topPvàtopK. Nhiệt độ thấp hơn phù hợp với các câu lệnh yêu cầu câu trả lời có tính quyết định hơn hoặc ít mở hơn, trong khi nhiệt độ cao hơn có thể dẫn đến kết quả đa dạng hoặc sáng tạo hơn. Nhiệt độ 0 là nhiệt độ xác định, nghĩa là phản hồi có xác suất cao nhất luôn được chọn.topK: Tham sốtopKthay đổi cách mô hình chọn mã thông báo cho đầu ra.topKbằng 1 có nghĩa là mã thông báo được chọn là mã thông báo có nhiều khả năng nhất trong số tất cả các mã thông báo trong từ vựng của mô hình (còn gọi là giải mã tham lam), trong khitopKbằng 3 có nghĩa là mã thông báo tiếp theo được chọn trong số 3 mã thông báo có nhiều khả năng nhất bằng cách sử dụng nhiệt độ. Đối với mỗi bước lựa chọn mã thông báo, các mã thông báotopKcó xác suất cao nhất sẽ được lấy mẫu. Sau đó, các mã thông báo được lọc thêm dựa trêntopP, trong đó mã thông báo cuối cùng được chọn bằng cách lấy mẫu nhiệt độ.topP: Tham sốtopPthay đổi cách mô hình chọn mã thông báo cho đầu ra. Các mã thông báo được chọn từ xác suất cao nhất đến thấp nhất cho đến khi tổng xác suất của các mã thông báo bằng giá trịtopP. Ví dụ: nếu các mã thông báo A, B và C có xác suất là 0,3, 0,2 và 0,1 và giá trịtopPlà 0,5, thì mô hình sẽ chọn A hoặc B làm mã thông báo tiếp theo bằng cách sử dụng nhiệt độ và loại trừ C khỏi danh sách đề xuất. Giá trịtopPmặc định là 0,95.stop_sequences: Đặt trình tự dừng để yêu cầu mô hình ngừng tạo nội dung. Trình tự dừng có thể là bất kỳ trình tự ký tự nào. Cố gắng tránh sử dụng một chuỗi ký tự có thể xuất hiện trong nội dung được tạo.
Chiến lược lặp lại lời nhắc
Đôi khi, bạn có thể phải lặp lại một vài lần thiết kế lời nhắc trước khi nhận được phản hồi mà mình mong muốn một cách nhất quán. Phần này cung cấp hướng dẫn về một số việc bạn có thể thử khi lặp lại lời nhắc:
Sử dụng nhiều cách diễn đạt: Việc sử dụng nhiều từ hoặc cách diễn đạt trong câu lệnh thường dẫn đến nhiều câu trả lời khác nhau từ mô hình, mặc dù tất cả đều có cùng ý nghĩa. Nếu bạn không nhận được kết quả như mong đợi từ câu lệnh, hãy thử diễn đạt lại câu lệnh đó.
Version 1: How do I bake a pie? Version 2: Suggest a recipe for a pie. Version 3: What's a good pie recipe?
Chuyển sang một nhiệm vụ tương tự: Nếu bạn không thể yêu cầu mô hình làm theo hướng dẫn của bạn cho một nhiệm vụ, hãy thử đưa ra hướng dẫn cho một nhiệm vụ tương tự để đạt được kết quả tương tự.
Lời nhắc này yêu cầu mô hình phân loại một cuốn sách bằng cách sử dụng các danh mục được xác định trước:
Which category does The Odyssey belong to: thriller sci-fi mythology biography
The Odyssey belongs to the category of **mythology**. Here's why: * **Mythology:** The Odyssey tells the story of Odysseus, a hero from Greek mythology, and his journey home after the Trojan War. It features gods, monsters, and supernatural events common to Greek mythology. .....Phản hồi là chính xác, nhưng mô hình không nằm trong giới hạn của các tuỳ chọn. Bạn cũng nên lập mô hình để chỉ trả lời bằng một trong các lựa chọn thay vì một câu đầy đủ. Trong trường hợp này, bạn có thể diễn đạt lại hướng dẫn dưới dạng câu hỏi trắc nghiệm và yêu cầu mô hình chọn một lựa chọn.
Multiple choice problem: Which of the following options describes the book The Odyssey? Options:
- thriller
- sci-fi
- mythology
- biography
The correct answer is mythology.
Thay đổi thứ tự nội dung của câu lệnh: Thứ tự nội dung trong câu lệnh đôi khi có thể ảnh hưởng đến câu trả lời. Hãy thử thay đổi thứ tự nội dung và xem điều đó ảnh hưởng như thế nào đến phản hồi.
Version 1: [examples] [context] [input] Version 2: [input] [examples] [context] Version 3: [examples] [input] [context]
Phản hồi dự phòng
Phản hồi dự phòng là phản hồi do mô hình trả về khi lời nhắc hoặc phản hồi kích hoạt bộ lọc an toàn. Ví dụ về câu trả lời dự phòng: "Tôi không thể giúp bạn về việc đó vì tôi chỉ là một mô hình ngôn ngữ".
Nếu mô hình phản hồi bằng phản hồi dự phòng, hãy thử tăng nhiệt độ.
Những điều nên tránh
- Tránh dựa vào mô hình để tạo thông tin thực tế.
- Hãy cẩn thận khi sử dụng đối với các bài toán toán học và logic.
Mô hình tạo sinh
Phần này nhằm trả lời câu hỏi – Phản hồi của mô hình tạo sinh có ngẫu nhiên hay không, hay là có tính quyết định?
Câu trả lời ngắn gọn là có cho cả hai. Khi bạn nhắc một mô hình tạo sinh, phản hồi văn bản sẽ được tạo theo hai giai đoạn. Ở giai đoạn đầu tiên, mô hình tạo sinh xử lý câu lệnh đầu vào và tạo phân phối xác suất cho các mã thông báo (từ) có thể xuất hiện tiếp theo. Ví dụ: nếu bạn đưa ra lời nhắc bằng văn bản đầu vào "Con chó nhảy qua ... ", thì mô hình tạo sinh sẽ tạo ra một mảng các từ có thể xuất hiện tiếp theo:
[("fence", 0.77), ("ledge", 0.12), ("blanket", 0.03), ...]
Quá trình này là xác định; mô hình tạo sinh sẽ tạo ra cùng một phân phối này mỗi khi nhập cùng một văn bản lời nhắc.
Ở giai đoạn thứ hai, mô hình tạo sinh chuyển đổi các phân phối này thành phản hồi văn bản thực tế thông qua một trong nhiều chiến lược giải mã. Một chiến lược giải mã đơn giản có thể chọn mã thông báo có nhiều khả năng nhất tại mỗi bước thời gian. Quá trình này sẽ luôn mang tính quyết định. Tuy nhiên, bạn có thể chọn tạo phản hồi bằng cách lấy mẫu ngẫu nhiên trên phân phối do mô hình trả về. Quá trình này sẽ là ngẫu nhiên. Kiểm soát mức độ ngẫu nhiên được phép trong quá trình giải mã này bằng cách đặt nhiệt độ. Nhiệt độ 0 có nghĩa là chỉ những mã thông báo có nhiều khả năng nhất mới được chọn và không có tính ngẫu nhiên. Ngược lại, nhiệt độ cao sẽ đưa mức độ ngẫu nhiên cao vào các mã thông báo do mô hình chọn, dẫn đến các phản hồi mô hình bất ngờ và thú vị hơn.
Các bước tiếp theo
- Giờ đây, bạn đã hiểu rõ hơn về cách thiết kế câu lệnh, hãy thử viết câu lệnh của riêng bạn bằng Google AI Studio.
- Để tìm hiểu về lời nhắc đa phương thức, hãy xem phần Lời nhắc bằng tệp phương tiện.
- Để tìm hiểu về tính năng đặt câu lệnh về hình ảnh, hãy xem Hướng dẫn về câu lệnh của Imagen
- Để tìm hiểu về câu lệnh trong video, hãy xem hướng dẫn về câu lệnh của Veo