این صفحه شما را با چند استراتژی کلی طراحی سریع آشنا می کند که می توانید هنگام طراحی درخواست ها از آنها استفاده کنید. در حالی که هیچ راه درست یا غلطی برای طراحی اعلان وجود ندارد، استراتژیهای رایجی وجود دارد که میتوانید از آنها برای تأثیرگذاری بر پاسخهای مدل استفاده کنید. آزمایش و ارزیابی دقیق برای بهینه سازی عملکرد مدل بسیار مهم است.
مدلهای زبان بزرگ (LLM) بر روی مقادیر زیادی از دادههای متنی برای یادگیری الگوها و روابط بین واحدهای زبان آموزش داده میشوند. وقتی مقداری متن (اعلان) داده میشود، مدلهای زبان میتوانند پیشبینی کنند چه چیزی احتمالاً در آینده خواهد آمد، مانند یک ابزار تکمیل خودکار پیچیده. بنابراین، هنگام طراحی اعلانها، عوامل مختلفی را در نظر بگیرید که میتوانند بر پیشبینیهای بعدی یک مدل تأثیر بگذارند.
دستورالعمل های واضح و مشخص بدهید
ارائه دستورالعمل های مدل در مورد آنچه که باید انجام شود، یک راه موثر و کارآمد برای سفارشی کردن رفتار مدل است. اطمینان حاصل کنید که دستورالعمل هایی که می دهید واضح و مشخص هستند. دستورالعمل ها می توانند به سادگی فهرستی از دستورالعمل های گام به گام یا به پیچیدگی ترسیم تجربه و طرز فکر کاربر باشند.
تعیین تکلیف برای انجام
وظیفه ای را که می خواهید مدل انجام دهد را با جزئیات شرح دهید. این کار می تواند به سادگی یک لیست گام به گام از دستورالعمل ها یا به پیچیدگی ترسیم تجربه و طرز فکر کاربر باشد. اعلان زیر به مدل می گوید که یک بلوک از متن را خلاصه کند:
Summarize this text. 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. Quantum computers utilize quantum mechanical phenomena to perform computations significantly faster than traditional computers. By exploiting the particle-wave duality of matter at tiny scales, quantum computers leverage specialized hardware to solve problems beyond classical physics. Potential applications include breaking encryption, developing better weather forecasting, and more. However, current quantum computers are still largely experimental and impractical. |
هر گونه محدودیت را مشخص کنید
هرگونه محدودیتی را برای خواندن اعلان یا ایجاد پاسخ مشخص کنید. می توانید به مدل بگویید که چه کاری انجام دهد و چه کاری انجام ندهد. از مثال قبلی، خلاصهسازی کوتاهتر از متن اصلی است، اما شاید بخواهید خلاصهتر باشد. در این حالت، میتوانید محدودیتی را در اعلان تعیین کنید که میخواهید خلاصه چقدر باشد:
Summarize this text in two sentences. 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.
Quantum computers use quantum mechanical phenomena to perform calculations much faster than traditional computers. They have the potential to revolutionize various fields, but current quantum computers are still experimental and impractical. |
فرمت پاسخ را تعریف کنید
همچنین می توانید دستورالعمل هایی ارائه دهید که فرمت پاسخ را مشخص می کند. به عنوان مثال، میتوانید درخواست کنید که پاسخ به صورت جدول، فهرست گلولهای، زیربنای آسانسور، کلمات کلیدی، جمله یا پاراگراف قالببندی شود. اعلان زیر به مدل دستور میدهد تا اطلاعات کلیدی متن را به صورت کامل نشان دهد:
Summarize this text as bullets points of key information. 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. - Quantum computers leverage quantum mechanical phenomena for exponentially faster calculations than traditional computers. - Quantum devices utilize specialized hardware to exploit tiny-scale matter behavior as both particles and waves. - Their operating principles transcend classical physics. - Potential applications include cybersecurity, weather forecasting, and more. - Current quantum computers are largely experimental and impractical. |
خلاصه
- به مدلها دستورالعملهایی بدهید که چه کاری انجام دهند.
- دستورالعمل ها را واضح و مشخص بیان کنید.
- هر گونه محدودیت یا الزامات قالب بندی را برای خروجی مشخص کنید.
شامل چند نمونه شات
میتوانید نمونههایی را در اعلان اضافه کنید که به مدل نشان میدهد که درست کردن آن چگونه است. مدل سعی می کند الگوها و روابط را از مثال ها شناسایی کند و آنها را هنگام ایجاد پاسخ به کار می برد. دستورهایی که حاوی چند مثال هستند، اعلانهای چند شات نامیده میشوند، در حالی که درخواستهایی که هیچ مثالی ارائه نمیکنند ، درخواستهای صفر شات نامیده میشوند. اعلانهای چند شات اغلب برای تنظیم قالببندی، عبارتبندی، محدودهبندی یا الگوی کلی پاسخهای مدل استفاده میشوند. از مثالهای خاص و متنوع برای کمک به مدل برای محدود کردن تمرکز و ایجاد نتایج دقیقتر استفاده کنید.
توصیه میکنیم همیشه نمونههای چندتایی را در پیامهای خود بگنجانید. درخواستهای بدون مثالهای چندتایی احتمالاً کمتر مؤثر هستند، زیرا به مدل نحوه اعمال دستورالعملها را نشان میدهند. در واقع، اگر مثالهای شما در نشان دادن کار در دست به اندازه کافی واضح باشند، میتوانید دستورالعملها را از دستور خود حذف کنید.
اعلانهای صفر شات در مقابل چند شات
دستور زیر صفر شات از مدل می خواهد بهترین توضیح را انتخاب کند.
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 |
اگر مورد استفاده شما به مدل نیاز دارد تا پاسخهای مختصر تولید کند، میتوانید نمونههایی را در اعلان اضافه کنید که به پاسخهای مختصر اولویت میدهند.
اعلان زیر دو مثال را ارائه می دهد که اولویت را به توضیحات کوتاه نشان می دهد. در پاسخ، می بینید که مثال ها مدل را به سمت انتخاب توضیح کوتاه تر (Explanation2) در مقابل توضیح طولانی تر (Explanation1) هدایت می کند.
Please choose the best explanation to the question: Question: Why is 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 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: Explanation2 |
تعداد بهینه مثال را بیابید
میتوانید تعداد نمونههایی را آزمایش کنید تا در اعلان برای مطلوبترین نتایج ارائه کنید. مدلهایی مانند PalM و Gemini اغلب میتوانند با استفاده از چند مثال الگوها را انتخاب کنند، اگرچه ممکن است لازم باشد تعداد نمونههایی که منجر به نتایج دلخواه میشوند را آزمایش کنید. برای مدل های ساده تر مانند BERT، ممکن است به مثال های بیشتری نیاز داشته باشید. در عین حال، اگر مثال های زیادی را وارد کنید، ممکن است مدل شروع به بیش از حد پاسخگویی به نمونه ها کند.
از مثال ها برای نشان دادن الگوها به جای آنتی الگوها استفاده کنید
استفاده از مثالها برای نشان دادن الگوی الگوی پیروی به مدل مؤثرتر از استفاده از مثالهایی برای نشان دادن الگوی ضدالگوی مدل است.
⛔ الگوی منفی :
Don't end haikus with a question: Haiku are fun A short and simple poem Don't you enjoy them? |
✅ الگوی مثبت :
Always end haikus with an assertion: Haiku are fun A short and simple poem A joy to write |
از قالب بندی ثابت در بین مثال ها استفاده کنید
مطمئن شوید که ساختار و قالببندی نمونههای چند عکس یکسان است تا از پاسخهایی با فرمتهای نامطلوب جلوگیری شود. یکی از اهداف اولیه افزودن نمونه های چند شات در فرمان ها، نشان دادن قالب پاسخ به مدل است. بنابراین، اطمینان از یک قالب ثابت در همه نمونهها، به ویژه توجه به برچسبهای XML، فضاهای سفید، خطوط جدید و تقسیمکنندههای نمونه ضروری است.
خلاصه
- گنجاندن نمونههای پاسخ سریع در اعلان به مدل کمک میکند یاد بگیرد که چگونه پاسخ دهد.
- به جای نمونه هایی از الگوهایی که باید از آنها اجتناب کنید، نمونه هایی از الگوهایی را که باید دنبال شوند، ارائه دهید.
- با تعداد دستورهایی که باید شامل شوند آزمایش کنید. بسته به مدل، نمونه های بسیار کمی در تغییر رفتار مدل بی اثر هستند. مثال های زیاد باعث می شود مدل بیش از حد مناسب شود.
- از قالب بندی ثابت در بین مثال ها استفاده کنید
اطلاعات متنی را اضافه کنید
میتوانید دستورالعملها و اطلاعاتی را که مدل برای حل یک مشکل به آن نیاز دارد، بهجای اینکه فرض کنید مدل تمام اطلاعات مورد نیاز را دارد، وارد کنید. این اطلاعات زمینه ای به مدل کمک می کند تا محدودیت ها و جزئیات کاری را که از آن می خواهید انجام دهد را درک کند.
مثال زیر از مدل می خواهد که راهنمایی عیب یابی یک روتر را ارائه دهد:
What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly. 1. **Check the Cables:** - Make sure that all cables are securely connected to your Google Wifi router and modem. - Try replacing the cables with new ones to ensure they are not faulty. 2. **Reboot the Router:** - Unplug your Google Wifi router and modem from the power outlet. - Wait for at least 30 seconds. - Plug the modem and router back in and wait for them to start up. 3. **Factory Reset the Router:** - Resetting the router will restore it to its default settings. - Find the small reset button on the back of the router. - Press and hold the reset button with a paper clip or similar object for 10 seconds. - Release the button and wait for the router to restart. 4. **Check Your Internet Connection:** - Use a wired connection to connect a device directly to your modem. - If the internet works, the issue may be with your router. - If the internet still doesn't work, contact your Internet Service Provider (ISP). 5. **Update Router's Firmware:** - Check if there is a firmware update available for your Google Wifi router. - Download and install the latest firmware update from the Google Wifi app. 6. **Interference and Obstacles:** - Make sure the router is not near electronic devices that can cause interference, like microwaves or cordless phones. - Remove any obstacles between the router and your devices, such as furniture or thick walls. 7. **Change Wi-Fi Channel:** - In the Google Wifi app, go to Settings > Network & General > Advanced Networking. - Try changing the Wi-Fi channel to a less congested one. 8. **Contact Google Support:** - If you've tried the above steps and the issue persists, contact Google support for further assistance. |
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. |
خلاصه
- اطلاعات (زمینه) را در اعلان قرار دهید که می خواهید مدل هنگام ایجاد پاسخ از آن استفاده کند.
- دستورالعمل های مدل را در مورد نحوه استفاده از اطلاعات متنی ارائه دهید.
اضافه کردن پیشوندها
پیشوند کلمه یا عبارتی است که شما به محتوای درخواستی اضافه میکنید و بسته به جایی که پیشوند را در آن قرار میدهید، میتواند اهداف مختلفی داشته باشد:
- پیشوند ورودی: افزودن یک پیشوند به سیگنال های ورودی، قسمت های معنادار معنایی ورودی به مدل را نشان می دهد. به عنوان مثال، پیشوندهای "English:" و "French:" دو زبان مختلف را مشخص می کنند.
- پیشوند خروجی: حتی اگر خروجی توسط مدل تولید می شود، می توانید یک پیشوند برای خروجی در اعلان اضافه کنید. پیشوند خروجی اطلاعات مدل را در مورد آنچه به عنوان پاسخ مورد انتظار است می دهد. به عنوان مثال، پیشوند خروجی "JSON:" به مدل سیگنال می دهد که خروجی باید با فرمت JSON باشد.
- پیشوند مثال: در اعلانهای چند شات، افزودن پیشوندها به نمونهها برچسبهایی را ارائه میکند که مدل میتواند هنگام تولید خروجی از آنها استفاده کند، که تجزیه محتوای خروجی را آسانتر میکند.
در مثال زیر، «Text:» پیشوند ورودی و «جواب است:» پیشوند خروجی است.
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: large |
اجازه دهید مدل ورودی جزئی را کامل کند
مدلهای زبان مولد مانند یک ابزار تکمیل خودکار پیشرفته عمل میکنند. وقتی محتوای جزئی ارائه میکنید، مدل میتواند بقیه محتوا یا آنچه را که فکر میکند ادامه آن محتوا است به عنوان پاسخ ارائه کند. هنگام انجام این کار، اگر مثال یا زمینهای را وارد کنید، مدل میتواند آن مثالها یا زمینه را در نظر بگیرد.
مثال زیر یک دستور با یک دستورالعمل و یک ورودی موجودیت ارائه می دهد:
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 } ``` |
در حالی که مدل طبق خواسته عمل کرد، نوشتن دستورالعمل ها به زبان طبیعی گاهی اوقات می تواند چالش برانگیز باشد و چیزهای زیادی را به تفسیر مدل واگذار می کند. به عنوان مثال، منوی رستوران ممکن است حاوی موارد زیادی باشد. برای کاهش اندازه پاسخ JSON، احتمالاً می خواهید مواردی را که سفارش داده نشده اند حذف کنید. در این مورد، می توانید یک مثال و یک پیشوند پاسخ بدهید و اجازه دهید مدل آن را کامل کند:
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 } ``` |
توجه کنید که چگونه "چیزبرگر" از خروجی حذف شد زیرا بخشی از سفارش نبود.
از مدل بخواهید پاسخ خود را قالب بندی کند
استراتژی تکمیل همچنین می تواند به فرمت پاسخ کمک کند. مثال زیر مدل را وادار می کند تا یک طرح کلی مقاله ایجاد کند:
Create an outline for an essay about hummingbirds. I. Introduction A. Hook: Begin with an intriguing fact or description of hummingbirds. B. Provide some background information on hummingbirds. 1. Mention their small size and long, thin beaks. 2. Highlight their unique ability to hover and fly backward. II. Body A. Anatomy and Physiology 1. Elaborate on their tiny size, making comparisons to other animals. 2. Describe their wings and how they enable hovering and swift flight. 3. Discuss their metabolism and energy requirements, emphasizing their caloric needs. B. Feeding Habits and Diet 1. Explain their primary food source, nectar, and how they extract it from flowers. 2. Describe their ability to feed from a wide variety of flowers. 3. Mention their consumption of insects and the nutritional value they provide. C. Migration Patterns 1. Discuss the incredible long-distance migrations of some hummingbird species. 2. Explain the phenomenon of seasonal migration and the environmental factors driving it. 3. Describe the routes taken by different species during migration. D. Conservation and Threats 1. Highlight the importance of hummingbirds in ecosystems as pollinators. 2. Discuss the challenges and threats they face, such as habitat loss, nectar scarcity, and climate change. 3. Mention conservation efforts and ways to support hummingbird populations. III. Conclusion A. Summarize the main points covered in the essay. B. Reinforce the importance of hummingbirds and their ecological role. C. Provide a final thought or call to action to protect these fascinating creatures. |
درخواست فرمت طرح کلی را مشخص نکرد و مدل قالبی را برای شما انتخاب کرد. برای اینکه مدل یک طرح کلی را در قالب خاصی برگرداند، میتوانید متنی را اضافه کنید که نشاندهنده شروع طرح کلی است و اجازه دهید مدل آن را بر اساس الگویی که شما شروع کردهاید تکمیل کند.
Create an outline for an essay about hummingbirds. I. Introduction * I. Introduction * Capture the reader's attention with an interesting anecdote or fact about hummingbirds. * Provide a brief background on hummingbirds, including their unique characteristics. * State the main points that will be covered in the essay. II. The Unique Characteristics of Hummingbirds * Discuss the hummingbird's exceptionally rapid wing-beat, allowing them to hover and fly backward. * Highlight their tiny size, making them the smallest birds in the world. * Describe their long, slender beaks and tongues, allowing them to reach deep into flowers to extract nectar. * Explain their iridescent plumage, which creates brilliant and vibrant colors. III. Hummingbird Migration and Distribution * Discuss the extensive migration patterns of hummingbirds, covering vast distances across continents. * Describe the different habitats where hummingbirds can be found, including tropical rainforests, deserts, and urban areas. * Explain the seasonal changes that influence hummingbird migration and habitat selection. IV. Hummingbird Diet and Feeding Habits * Focus on the hummingbird's primary food source, which is nectar from flowers. * Describe their ability to consume insects, spiders, and other small invertebrates for protein. * Explain how hummingbirds use their long, slender tongues to extract nectar from flowers. * Discuss the importance of flowering plants in providing sustenance for hummingbirds. V. Reproduction and Nesting Behavior * Describe the mating rituals and courtship behavior of hummingbirds. * Explain the process of nest-building, including the materials used and the unique characteristics of hummingbird nests. * Discuss the role of the female hummingbird in laying and incubating eggs. * Describe the development of hummingbird chicks and the role of both parents in providing care. VI. Threats to Hummingbirds and Conservation Efforts * Highlight habitat loss, climate change, and deforestation as significant threats to hummingbird populations. * Describe the role of habitat conservation initiatives in protecting hummingbird habitats. * Explain the importance of creating hummingbird-friendly gardens and landscapes. * Discuss the efforts of organizations and individuals working to conserve hummingbird populations. VII. Conclusion * Summarize the main points covered in the essay, emphasizing the unique characteristics, migration patterns, diet, reproduction, and conservation of hummingbirds. * Provide a closing statement that leaves a lasting impression on the reader and reinforces the significance of these fascinating creatures. |
خلاصه
- اگر یک ورودی جزئی به مدل بدهید، مدل آن ورودی را بر اساس هر نمونه یا زمینه موجود در اعلان تکمیل می کند.
- ممکن است گاهی اوقات تکمیل یک ورودی از مدل ساده تر از توصیف کار به زبان طبیعی باشد.
- افزودن یک پاسخ جزئی به یک اعلان می تواند مدل را به پیروی از یک الگو یا قالب دلخواه راهنمایی کند.
دستورات را به اجزای ساده تقسیم کنید
برای موارد استفاده که به دستورات پیچیده نیاز دارند، میتوانید با تقسیم کردن موارد به اجزای سادهتر به مدل کمک کنید تا این پیچیدگی را مدیریت کند.
دستورالعمل ها را بشکنید
به جای اینکه دستورات زیادی در یک دستور داشته باشید، در هر دستور یک دستور ایجاد کنید. شما می توانید بر اساس ورودی کاربر انتخاب کنید که کدام اعلان پردازش شود.
درخواست های زنجیره ای
برای کارهای پیچیده ای که شامل چندین مرحله متوالی است، هر مرحله را به صورت دستوری درآورید و اعلان ها را به صورت زنجیره ای به یکدیگر متصل کنید. در این زنجیره متوالی از اعلان ها، خروجی یک اعلان در دنباله به ورودی اعلان بعدی تبدیل می شود. خروجی آخرین فرمان در دنباله، خروجی نهایی است.پاسخ های جمعی
تجمیع زمانی است که می خواهید کارهای موازی مختلفی را روی بخش های مختلف داده انجام دهید و نتایج را برای تولید خروجی نهایی جمع آوری کنید. به عنوان مثال، می توانید به مدل بگویید که یک عملیات را روی قسمت اول داده انجام دهد، عملیات دیگری را روی بقیه داده ها انجام دهد و نتایج را جمع آوری کند.
خلاصه
- دستورالعمل های پیچیده را به یک دستور برای هر دستورالعمل تقسیم کنید و بر اساس ورودی کاربر تصمیم بگیرید که کدام دستور را اعمال کنید.
- چندین مرحله متوالی را به اعلانهای جداگانه تقسیم کنید و آنها را زنجیرهای کنید تا خروجی اعلان قبلی به ورودی اعلان زیر تبدیل شود.
- وظایف موازی را تجزیه کنید و پاسخ ها را برای تولید خروجی نهایی جمع آوری کنید.
با مقادیر پارامترهای مختلف آزمایش کنید
هر تماسی که به یک مدل ارسال میکنید شامل مقادیر پارامتری است که نحوه تولید پاسخ مدل را کنترل میکند. مدل می تواند نتایج متفاوتی را برای مقادیر پارامترهای مختلف ایجاد کند. برای بدست آوردن بهترین مقادیر برای کار، مقادیر پارامترهای مختلف را آزمایش کنید. پارامترهای موجود برای مدل های مختلف ممکن است متفاوت باشد. رایج ترین پارامترها به شرح زیر است:
- حداکثر توکن های خروجی
- دما
- Top-K
- Top-P
حداکثر توکن های خروجی
حداکثر تعداد نشانه هایی که می توان در پاسخ ایجاد کرد. یک نشانه تقریباً چهار کاراکتر است. 100 نشانه تقریباً با 20 کلمه مطابقت دارد.مقدار کمتری را برای پاسخهای کوتاهتر و مقدار بالاتر را برای پاسخهای طولانیتر مشخص کنید.
دما
دما برای نمونه برداری در طول تولید پاسخ استفاده می شود، که زمانی اتفاق می افتد کهtopP
و topK
اعمال می شود. دما درجه تصادفی بودن انتخاب نشانه را کنترل می کند. دماهای پایینتر برای اعلانهایی که نیاز به پاسخ قطعیتر و خلاقانهتر دارند، خوب است، در حالی که دمای بالاتر میتواند منجر به نتایج متنوعتر یا خلاقانهتر شود. دمای 0
قطعی است، به این معنی که بالاترین پاسخ احتمال همیشه انتخاب می شود. برای بیشتر موارد استفاده، سعی کنید با دمای 0.2
شروع کنید. اگر مدل یک پاسخ خیلی عمومی، خیلی کوتاه را نشان میدهد، یا مدل یک پاسخ بازگشتی میدهد، دما را افزایش دهید.
Top-K
Top-K نحوه انتخاب توکن ها را برای خروجی توسط مدل تغییر می دهد. top-K از1
به این معنی است که نشانه انتخابی بعدی محتمل ترین نشانه در واژگان مدل است (که رمزگشایی حریص نیز نامیده می شود)، در حالی که بالا-K از 3
به این معنی است که نشانه بعدی از بین سه نشانه محتمل ترین انتخاب شده است. با استفاده از دمابرای هر مرحله انتخاب توکن، توکن های top-K با بیشترین احتمال نمونه برداری می شوند. سپس توکنها بر اساس top-P فیلتر میشوند و نشانه نهایی با استفاده از نمونهگیری دما انتخاب میشود.
مقدار کمتری را برای پاسخهای تصادفی کمتر و مقدار بالاتر را برای پاسخهای تصادفی بیشتر تعیین کنید. پیش فرض top-K 40
است.
Top-P
Top-P نحوه انتخاب توکن ها را برای خروجی توسط مدل تغییر می دهد. توکن ها از بیشترین (به top-K) تا کمترین احتمال انتخاب می شوند تا زمانی که مجموع احتمالات آنها با مقدار top-P برابر شود. به عنوان مثال، اگر نشانه های A، B، و C احتمال 0.3، 0.2 و 0.1 داشته باشند و مقدار top-P0.5
باشد، مدل A یا B را به عنوان نشانه بعدی با استفاده از دما انتخاب می کند و C را به عنوان حذف می کند. یک نامزد مقدار کمتری را برای پاسخهای تصادفی کمتر و مقدار بالاتر را برای پاسخهای تصادفی بیشتر تعیین کنید. top-P پیش فرض 0.95
است.
استراتژی های تکرار سریع
طراحی سریع یک فرآیند تکراری است که اغلب قبل از اینکه پاسخ دلخواه را به طور مداوم دریافت کنید، به چند تکرار نیاز دارد. این بخش راهنمایی هایی را در مورد برخی از چیزهایی که می توانید هنگام تکرار در درخواست های خود امتحان کنید، ارائه می دهد.
از عبارت های مختلف استفاده کنید
استفاده از کلمات یا عبارات مختلف در درخواستهای شما اغلب پاسخهای متفاوتی را از مدل به همراه میآورد، حتی اگر همه آنها به یک معنا باشند. اگر نتایج مورد انتظار را از درخواست خود دریافت نمی کنید، سعی کنید آن را دوباره بیان کنید.
Version 1: How do I bake a pie? Version 2: Suggest a recipe for a pie. Version 3: What's a good pie recipe? |
به یک کار مشابه تغییر دهید
اگر نمیتوانید مدل را مجبور کنید که دستورالعملهای شما را برای یک کار دنبال کند، سعی کنید دستورالعملهایی را برای یک کار مشابه که به همان نتیجه میرسد، به آن بدهید.
این اعلان به مدل می گوید که کتاب را با استفاده از دسته بندی های از پیش تعریف شده دسته بندی کند.
Which category does The Odyssey belong to: thriller sci-fi mythology biography The answer: mythology Explanations: The Odyssey is an epic poem in ancient Greek literature. It is one of two major ancient Greek epic poems attributed to Homer. The Odyssey is an epic poem that tells the story of Odysseus, a Greek hero who fought in the Trojan War and then spent ten years trying to return home to Ithaca. The Odyssey is a work of mythology. |
پاسخ درست است، اما مدل در محدوده گزینه ها باقی نماند. شما همچنین می خواهید مدل سازی کنید تا فقط با یکی از گزینه ها به جای یک جمله کامل پاسخ دهید. در این حالت، میتوانید دستورالعملها را بهعنوان یک سؤال چند گزینهای بازنویسی کنید و از مدل بخواهید گزینهای را انتخاب کند.
Multiple choice problem: Which of the following options describes the book The Odyssey? Options: - thriller - sci-fi - mythology - biography The answer is: mythology |
ترتیب محتوای سریع را تغییر دهید
ترتیب محتوا در اعلان گاهی اوقات می تواند بر پاسخ تأثیر بگذارد. سعی کنید ترتیب محتوا را تغییر دهید و ببینید که چگونه بر پاسخ تاثیر می گذارد.
Version 1: [examples] [context] [input] Version 2: [input] [examples] [context] Version 3: [examples] [input] [context]
پاسخ های بازگشتی
پاسخ بازگشتی پاسخی است که توسط مدل زمانی که درخواست یا پاسخ یک فیلتر ایمنی را راهاندازی میکند، برگردانده میشود. نمونه ای از پاسخ برگشتی این است که "من نمی توانم در این مورد کمک کنم، زیرا من فقط یک مدل زبان هستم."
اگر مدل با پاسخ برگشتی پاسخ داد، سعی کنید دما را افزایش دهید.
چیزهایی که باید اجتناب کرد
- از تکیه بر مدل ها برای تولید اطلاعات واقعی خودداری کنید.
- با دقت در مسائل ریاضی و منطقی استفاده کنید.
مراحل بعدی
- اکنون که درک عمیقتری از طراحی سریع دارید، سعی کنید درخواستهای خود را با استفاده از Google AI Studio بنویسید.
- برای آشنایی با درخواست چندوجهی، به درخواست با فایل های رسانه ای مراجعه کنید.