กลยุทธ์การออกแบบที่กระตุ้นผลลัพธ์

การออกแบบพรอมต์คือกระบวนการสร้างพรอมต์หรือคำขอที่เป็นภาษาธรรมชาติ ซึ่งจะกระตุ้นให้โมเดลภาษาตอบกลับอย่างถูกต้องและมีคุณภาพสูง

หน้านี้จะแนะนำแนวคิด กลยุทธ์ และแนวทางปฏิบัติแนะนำเบื้องต้นเพื่อช่วยให้คุณเริ่มต้นออกแบบพรอมต์เพื่อใช้โมเดล AI ของ Gemini ให้เกิดประโยชน์สูงสุด

คู่มือการเขียนพรอมต์เฉพาะหัวข้อ

หากกำลังมองหากลยุทธ์พรอมต์ที่เฉพาะเจาะจงมากขึ้น ดูคำแนะนำการเขียนพรอมต์อื่นๆ ของเราได้ที่

คุณดูพรอมต์ตัวอย่างอื่นๆ ได้ในแกลเลอรีพรอมต์ ซึ่งออกแบบมาเพื่อแสดงแนวคิดต่างๆ ที่แชร์ในคู่มือนี้แบบอินเทอร์แอกทีฟ

วิธีการที่ชัดเจนและเจาะจง

วิธีที่มีประสิทธิภาพและประสิทธิผลในการปรับแต่งลักษณะการทำงานของโมเดลคือการให้ วิธีการที่ชัดเจนและเฉพาะเจาะจง คำสั่งอาจอยู่ในรูปแบบคำถาม งานแบบทีละขั้นตอน หรือซับซ้อนถึงขั้นการวางแผนประสบการณ์และความคิดของผู้ใช้

อินพุต

อินพุตคือข้อความที่จำเป็นในพรอมต์ที่คุณต้องการให้โมเดลตอบ อินพุตอาจเป็นคำถามที่โมเดล ตอบ (อินพุตคำถาม) งานที่โมเดลดำเนินการ (อินพุตงาน) เอนทิตีที่ โมเดลดำเนินการ (อินพุตเอนทิตี) หรืออินพุตบางส่วนที่โมเดลทำให้สมบูรณ์หรือ ดำเนินการต่อ (อินพุตการเติมข้อความ)

ประเภทอินพุต พรอมต์ เอาต์พุตที่สร้างขึ้น
คำถาม 

    What's a good name for a flower shop that specializes in selling bouquets of
    dried flowers? Create a list of 5 options with just the names.
 

    Here are 10 names for a flower shop specializing in dried flowers:

    1. Everlasting Blooms
    2. Dried & Delightful
    3. The Petal Preserve
    4. Whispers of Wildflowers
    5. Forever Blooms
งาน 
    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.
เอนทิตี 

    Classify the following items as [large, small]:
Elephant
Mouse
Snail
 

Here's the classification:

* **Elephant:** Large
* **Mouse:** Small
* **Snail:** Small

การป้อนข้อมูลบางส่วนให้เสร็จสมบูรณ์

โมเดลภาษาแบบ Generative ทำงานเหมือนเครื่องมือเติมข้อความอัตโนมัติขั้นสูง เมื่อคุณระบุเนื้อหาบางส่วน โมเดลจะสามารถระบุเนื้อหาส่วนที่เหลือหรือเนื้อหาที่โมเดลคิดว่าเป็นการต่อจากเนื้อหานั้นเป็นคำตอบได้ เมื่อทำเช่นนั้น หากคุณ ใส่ตัวอย่างหรือบริบทใดๆ โมเดลจะนำตัวอย่างหรือบริบทเหล่านั้น มาพิจารณาได้

ตัวอย่างต่อไปนี้แสดงพรอมต์ที่มีคำสั่งและอินพุตเอนทิตี

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
}

แม้ว่าโมเดลจะทําตามที่ได้รับแจ้ง แต่การเขียนคําสั่งเป็นภาษาง่ายๆ บางครั้งอาจเป็นเรื่องยากและต้องอาศัยการตีความของโมเดลเป็นอย่างมาก เช่น เมนูร้านอาหารอาจมีหลายรายการ หากต้องการลดขนาดการตอบกลับ JSON คุณอาจต้องละเว้นสินค้าที่ไม่ได้สั่งซื้อ ใน กรณีนี้ คุณสามารถยกตัวอย่างและคำนำหน้าคำตอบ แล้วปล่อยให้ โมเดลเติมข้อความให้สมบูรณ์ได้

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
}
```

โปรดสังเกตว่าระบบยกเว้น "ชีสเบอร์เกอร์" จากเอาต์พุตเนื่องจากไม่ได้เป็นส่วนหนึ่งของคำสั่งซื้อ

ข้อจำกัด

ระบุข้อจำกัดในการอ่านพรอมต์หรือสร้างคำตอบ คุณสามารถ บอกโมเดลว่าควรทำและไม่ควรทำอะไรได้ เช่น คุณระบุข้อจำกัด ในพรอมต์เกี่ยวกับความยาวของข้อมูลสรุปที่ต้องการได้ดังนี้

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.

รูปแบบการตอบกลับ

คุณสามารถให้คำสั่งที่ระบุรูปแบบของคำตอบได้ เช่น คุณขอให้จัดรูปแบบคำตอบเป็นตาราง รายการหัวข้อย่อย การนำเสนอ แบบลิฟต์ คีย์เวิร์ด ประโยค หรือย่อหน้าได้ คำสั่งของระบบต่อไปนี้จะบอก โมเดลให้ตอบกลับในลักษณะการสนทนามากขึ้น

    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.
    ....

จัดรูปแบบคำตอบด้วยกลยุทธ์การทำให้เสร็จ

กลยุทธ์การเติมข้อความยังช่วยจัดรูปแบบคำตอบได้ด้วย ตัวอย่างต่อไปนี้จะแจ้งให้โมเดลสร้างโครงร่างเรียงความ

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
.....

พรอมต์ไม่ได้ระบุรูปแบบสำหรับโครงร่างและโมเดลเลือกรูปแบบให้คุณ หากต้องการให้โมเดลแสดงโครงร่างในรูปแบบที่เฉพาะเจาะจง คุณสามารถเพิ่ม ข้อความที่แสดงถึงจุดเริ่มต้นของโครงร่างและปล่อยให้โมเดลเติมข้อความให้สมบูรณ์ตาม รูปแบบที่คุณเริ่มต้น

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.
.....

พรอมต์แบบ Zero-Shot กับ Few-Shot

คุณสามารถใส่ตัวอย่างในพรอมต์เพื่อแสดงให้โมเดลเห็นว่าการตอบที่ถูกต้อง มีลักษณะอย่างไร โมเดลจะพยายามระบุรูปแบบและความสัมพันธ์จาก ตัวอย่างและนำไปใช้เมื่อสร้างคำตอบ พรอมต์ที่มีตัวอย่าง 2-3 รายการเรียกว่าพรอมต์แบบ Few-Shot ส่วนพรอมต์ที่ไม่มีตัวอย่างเรียกว่าพรอมต์แบบ Zero-Shot มักใช้พรอมต์แบบ Few-Shot เพื่อควบคุมการจัดรูปแบบ การเรียบเรียงคำ การกำหนดขอบเขต หรือการสร้างรูปแบบทั่วไปของคำตอบของโมเดล ใช้ตัวอย่างที่เฉพาะเจาะจงและหลากหลายเพื่อช่วยให้โมเดลจำกัดขอบเขต และสร้างผลลัพธ์ที่แม่นยำยิ่งขึ้น

เราขอแนะนำให้ใส่ตัวอย่างแบบ Few-Shot ในพรอมต์เสมอ พรอมต์ที่ไม่มี ตัวอย่างแบบ Few-Shot มีแนวโน้มที่จะมีประสิทธิภาพน้อยกว่า ในความเป็นจริง คุณสามารถนำ คำสั่งออกจากพรอมต์ได้หากตัวอย่างของคุณชัดเจนเพียงพอที่จะแสดง งานที่กำลังทำอยู่

ข้อความแจ้งแบบ Zero-Shot ต่อไปนี้ขอให้โมเดลเลือกคำอธิบายที่ดีที่สุด

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.

หากกรณีการใช้งานของคุณกำหนดให้โมเดลต้องสร้างคำตอบที่กระชับ คุณสามารถใส่ ตัวอย่างในพรอมต์ที่ให้ความสำคัญกับคำตอบที่กระชับ

พรอมต์ต่อไปนี้แสดงตัวอย่าง 2 รายการที่แสดงความต้องการคำอธิบายที่สั้นกว่า ในการตอบกลับ คุณจะเห็นว่าตัวอย่างได้แนะนำโมเดลให้เลือกคำอธิบายที่สั้นกว่า (Explanation2) แทนที่จะเป็นคำอธิบายที่ยาวกว่า (Explanation1) เหมือนที่เคยทำ

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

จำนวนตัวอย่างที่เหมาะสม

โมเดลอย่าง Gemini มักจะตรวจจับรูปแบบได้โดยใช้ตัวอย่างเพียงไม่กี่รายการ แต่คุณอาจต้องทดลองกับจำนวนตัวอย่างที่จะระบุในพรอมต์เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ในขณะเดียวกัน หากคุณใส่ตัวอย่างมากเกินไป โมเดลอาจเริ่มฟิตมากเกินไป กับคำตอบของตัวอย่าง

รูปแบบเทียบกับรูปแบบต่อต้าน

การใช้ตัวอย่างเพื่อแสดงรูปแบบที่โมเดลควรทำตามมีประสิทธิภาพมากกว่าการใช้ตัวอย่างเพื่อแสดงรูปแบบที่ไม่ควรทำตาม

⛔ รูปแบบเชิงลบ:

Don't end haikus with a question:
Haiku are fun
A short and simple poem
Don't you enjoy them?

✅ รูปแบบเชิงบวก:

Always end haikus with an assertion:
Haiku are fun
A short and simple poem
A joy to write

ใช้รูปแบบที่สม่ำเสมอ

ตรวจสอบว่าโครงสร้างและการจัดรูปแบบของตัวอย่างแบบ Few-Shot เหมือนกันเพื่อ หลีกเลี่ยงการตอบกลับที่มีรูปแบบไม่พึงประสงค์ วัตถุประสงค์หลักอย่างหนึ่งของการเพิ่มตัวอย่างแบบ Few-Shot ในพรอมต์คือการแสดงรูปแบบการตอบกลับให้โมเดลเห็น ดังนั้น คุณจึงต้องตรวจสอบว่าตัวอย่างทั้งหมดมีรูปแบบที่สอดคล้องกัน โดยเฉพาะ การใส่ใจกับแท็ก XML, ช่องว่าง, บรรทัดใหม่ และตัวแยกตัวอย่าง

เพิ่มบริบท

คุณสามารถใส่คำสั่งและข้อมูลในพรอมต์ที่โมเดลจำเป็นต้องใช้ เพื่อแก้ปัญหา แทนที่จะคิดว่าโมเดลมีข้อมูลที่จำเป็นทั้งหมด อยู่แล้ว ข้อมูลตามบริบทนี้ช่วยให้โมเดลเข้าใจข้อจำกัดและรายละเอียดของสิ่งที่คุณขอให้โมเดลทำ

ตัวอย่างต่อไปนี้จะขอให้โมเดลให้คำแนะนำในการแก้ปัญหาสำหรับเราเตอร์

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.
.....

คำตอบดูเหมือนข้อมูลการแก้ปัญหาทั่วไปที่ไม่ได้เจาะจง ไปที่ตัวเราเตอร์หรือสถานะของไฟแสดงสถานะ LED

หากต้องการปรับแต่งคำตอบสำหรับเราเตอร์ที่เฉพาะเจาะจง คุณสามารถเพิ่ม คำแนะนำในการแก้ปัญหาของเราเตอร์ลงในพรอมต์เป็นบริบทเพื่อให้ AI อ้างอิงเมื่อให้คำตอบ

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.

เพิ่มคำนำหน้า

คำนำหน้าคือคำหรือวลีที่คุณเพิ่มลงในเนื้อหาพรอมต์ซึ่งใช้ได้หลายวัตถุประสงค์ ขึ้นอยู่กับตำแหน่งที่คุณวางคำนำหน้า

  • คำนำหน้าอินพุต: การเพิ่มคำนำหน้าลงในสัญญาณอินพุตจะทำให้ส่วนที่มีความหมายเชิงความหมายของอินพุตไปยังโมเดล เช่น คำนำหน้า "English:" และ "French:" จะระบุภาษาที่แตกต่างกัน 2 ภาษา
  • คำนำหน้าเอาต์พุต: แม้ว่าโมเดลจะเป็นผู้สร้างเอาต์พุต แต่คุณก็สามารถ เพิ่มคำนำหน้าสำหรับเอาต์พุตในพรอมต์ได้ คำนำหน้าเอาต์พุตจะให้ข้อมูลแก่โมเดลเกี่ยวกับสิ่งที่คาดหวังเป็นคำตอบ เช่น คำนำหน้าเอาต์พุต "JSON:" จะส่งสัญญาณให้โมเดลทราบว่าเอาต์พุตควรอยู่ในรูปแบบ JSON
  • ตัวอย่างคำนำหน้า: ในพรอมต์แบบ Few-Shot การเพิ่มคำนำหน้าลงในตัวอย่างจะให้ป้ายกำกับที่โมเดลใช้ได้เมื่อสร้างเอาต์พุต ซึ่งจะช่วยให้แยกวิเคราะห์เนื้อหาเอาต์พุตได้ง่ายขึ้น

ในตัวอย่างต่อไปนี้ "ข้อความ:" คือคำนำหน้าอินพุต และ "คำตอบคือ:" คือคำนำหน้าเอาต์พุต 

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

แบ่งพรอมต์ออกเป็นคอมโพเนนต์

สำหรับกรณีการใช้งานที่ต้องใช้พรอมต์ที่ซับซ้อน คุณสามารถช่วยให้โมเดลจัดการความซับซ้อนนี้ได้โดยการแบ่งสิ่งต่างๆ ออกเป็นคอมโพเนนต์ที่ง่ายขึ้น

  1. แยกย่อยคำสั่ง: แทนที่จะมีคำสั่งหลายรายการในพรอมต์เดียว ให้สร้างพรอมต์ 1 รายการต่อคำสั่ง คุณเลือกได้ว่าจะประมวลผลพรอมต์ใดตามอินพุตของผู้ใช้

  2. พรอมต์แบบลูกโซ่: สำหรับงานที่ซับซ้อนซึ่งเกี่ยวข้องกับหลายขั้นตอนตามลำดับ ให้แต่ละขั้นตอนเป็นพรอมต์และเชื่อมโยงพรอมต์เข้าด้วยกันตามลำดับ ในเชนของพรอมต์แบบลำดับนี้ เอาต์พุตของพรอมต์หนึ่งในลำดับจะกลายเป็นอินพุตของพรอมต์ถัดไป เอาต์พุตของพรอมต์สุดท้ายในลำดับ คือเอาต์พุตสุดท้าย

  3. รวมคำตอบ: การรวมคือเมื่อคุณต้องการทำงานแบบขนานที่แตกต่างกันในส่วนต่างๆ ของข้อมูล และรวมผลลัพธ์เพื่อสร้างเอาต์พุตสุดท้าย ตัวอย่างเช่น คุณสามารถบอกโมเดลให้ดำเนินการหนึ่งกับข้อมูลส่วนแรก ดำเนินการอีกอย่างกับข้อมูลที่เหลือ และรวบรวมผลลัพธ์

ทดสอบพารามิเตอร์ของโมเดล

การเรียกแต่ละครั้งที่คุณส่งไปยังโมเดลจะมีค่าพารามิเตอร์ที่ควบคุมวิธีที่โมเดลสร้างคำตอบ โมเดลสามารถสร้างผลลัพธ์ที่แตกต่างกันสำหรับ ค่าพารามิเตอร์ที่แตกต่างกัน ทดสอบค่าพารามิเตอร์ต่างๆ เพื่อให้ได้ค่าที่ดีที่สุดสำหรับงาน พารามิเตอร์ที่ใช้ได้สำหรับ โมเดลต่างๆ อาจแตกต่างกัน พารามิเตอร์ที่พบบ่อยที่สุดมีดังนี้

  1. โทเค็นเอาต์พุตสูงสุด: ระบุจำนวนโทเค็นสูงสุดที่สร้างได้ในการตอบกลับ โทเค็นมีความยาวประมาณ 4 อักขระ โทเค็น 100 รายการจะสอดคล้องกับคำประมาณ 60-80 คำ

  2. อุณหภูมิ: อุณหภูมิจะควบคุมระดับความสุ่มในการเลือกโทเค็น อุณหภูมิใช้สำหรับการสุ่มตัวอย่างระหว่างการสร้างคำตอบ ซึ่งจะเกิดขึ้นเมื่อใช้ topP และ topK อุณหภูมิที่ต่ำเหมาะสำหรับพรอมต์ที่ต้องการคำตอบที่กำหนดได้มากกว่าหรือเป็นคำตอบแบบปลายเปิดน้อยกว่า ส่วนอุณหภูมิที่สูงอาจทำให้ได้ผลลัพธ์ที่หลากหลายหรือสร้างสรรค์มากขึ้น อุณหภูมิ 0 จะเป็นแบบดีเทอร์มินิสติก ซึ่งหมายความว่าระบบจะเลือกคำตอบที่มีความน่าจะเป็นสูงสุดเสมอ

  3. topK: พารามิเตอร์ topK จะเปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับ เอาต์พุต topK ที่มีค่า 1 หมายความว่าโทเค็นที่เลือกมีความน่าจะเป็นมากที่สุดในบรรดาโทเค็นทั้งหมดในคำศัพท์ของโมเดล (หรือที่เรียกว่าการถอดรหัสแบบ Greedy) ส่วน topK ที่มีค่า 3 หมายความว่าระบบจะเลือกโทเค็นถัดไปจากโทเค็นที่มีความน่าจะเป็นมากที่สุด 3 รายการโดยใช้ค่าอุณหภูมิ สำหรับแต่ละขั้นตอนการเลือกโทเค็น ระบบจะสุ่มตัวอย่าง topKโทเค็นที่มีความน่าจะเป็นสูงสุด จากนั้นระบบจะกรองโทเค็นเพิ่มเติมตาม topP โดยเลือกโทเค็นสุดท้ายโดยใช้ การสุ่มตัวอย่างอุณหภูมิ

  4. topP: พารามิเตอร์ topP จะเปลี่ยนวิธีที่โมเดลเลือกโทเค็นสำหรับ เอาต์พุต ระบบจะเลือกโทเค็นจากโทเค็นที่มีแนวโน้มมากที่สุดไปจนถึงน้อยที่สุดจนกว่าผลรวมของ ความน่าจะเป็นจะเท่ากับค่า topP เช่น หากโทเค็น A, B, และ C มีความน่าจะเป็น 0.3, 0.2 และ 0.1 และค่า topP คือ 0.5 โมเดลจะเลือก A หรือ B เป็นโทเค็นถัดไปโดยใช้ อุณหภูมิและยกเว้น C เป็นตัวเลือก ค่า topP เริ่มต้นคือ 0.95

  5. stop_sequences: ตั้งค่าลำดับการหยุดเพื่อ บอกให้โมเดลหยุดสร้างเนื้อหา ลำดับการหยุดอาจเป็นลำดับอักขระใดก็ได้ พยายามหลีกเลี่ยงการใช้อักขระที่อาจปรากฏในเนื้อหาที่สร้างขึ้น

กลยุทธ์การปรับพรอมต์เพื่อถามซ้ำ

บางครั้งการออกแบบพรอมต์อาจต้องมีการทำซ้ำ 2-3 ครั้งก่อน คุณจึงจะได้รับคำตอบที่ต้องการอย่างสม่ำเสมอ ส่วนนี้จะให้ คำแนะนำเกี่ยวกับสิ่งที่คุณลองทำได้เมื่อทำซ้ำพรอมต์

  1. ใช้การเรียบเรียงที่แตกต่างกัน: การใช้คำหรือการเรียบเรียงที่แตกต่างกันในพรอมต์ มักจะทำให้โมเดลตอบกลับแตกต่างกันแม้ว่าทั้งหมดจะมีความหมายเหมือนกัน ก็ตาม หากไม่ได้รับผลลัพธ์ที่คาดไว้จากพรอมต์ ให้ลอง เรียบเรียงใหม่

    Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?

  2. เปลี่ยนไปใช้ชิ้นงานที่คล้ายกัน: หากคุณไม่สามารถทำให้โมเดลทำตาม คำสั่งสำหรับชิ้นงานได้ ให้ลองสั่งให้โมเดลทำตามคำสั่งสำหรับชิ้นงานที่คล้ายกัน ซึ่งให้ผลลัพธ์เดียวกัน

    พรอมต์นี้จะบอกให้โมเดลจัดหมวดหมู่หนังสือโดยใช้หมวดหมู่ที่กำหนดไว้ล่วงหน้า

    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.
.....

    คำตอบถูกต้อง แต่โมเดลไม่ได้อยู่ในขอบเขตของตัวเลือก นอกจากนี้ คุณยังต้องการจำลองการตอบกลับด้วยตัวเลือกใดตัวเลือกหนึ่งแทนการตอบกลับเป็นประโยคเต็มด้วย ในกรณีนี้ คุณสามารถเรียบเรียงคำสั่งใหม่เป็น คำถามแบบหลายตัวเลือกและขอให้โมเดลเลือกตัวเลือกได้

    Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
    


      

    • thriller
      • 

    • sci-fi
      • 

    • mythology
      • 

    • biography

    The correct answer is mythology.

  3. เปลี่ยนลำดับเนื้อหาของพรอมต์: บางครั้งลำดับของเนื้อหาในพรอมต์ อาจส่งผลต่อคำตอบ ลองเปลี่ยนลำดับเนื้อหาแล้วดู ว่าส่งผลต่อคำตอบอย่างไร

    Version 1:
[examples]
[context]
[input]

Version 2:
[input]
[examples]
[context]

Version 3:
[examples]
[input]
[context]

คำตอบสำรอง

การตอบกลับสำรองคือการตอบกลับที่โมเดลส่งคืนเมื่อพรอมต์ หรือการตอบกลับทริกเกอร์ตัวกรองความปลอดภัย ตัวอย่างคำตอบสำรองคือ "ฉันช่วยเรื่องนั้นไม่ได้เพราะเป็นเพียงโมเดลภาษา"

หากโมเดลตอบกลับด้วยคำตอบสำรอง ให้ลองเพิ่มอุณหภูมิ

สิ่งที่ควรหลีกเลี่ยง

  • หลีกเลี่ยงการพึ่งพาโมเดลในการสร้างข้อมูลที่เป็นข้อเท็จจริง
  • โปรดใช้อย่างระมัดระวังกับโจทย์คณิตศาสตร์และตรรกะ

โมเดล Generative AI เบื้องหลัง

ส่วนนี้มีจุดมุ่งหมายเพื่อตอบคำถามที่ว่า คำตอบของโมเดล Generative มีความสุ่มหรือไม่ หรือเป็นแบบดีเทอร์มินิสติก

คำตอบสั้นๆ คือ ได้ทั้ง 2 อย่าง เมื่อคุณป้อนพรอมต์โมเดล Generative ระบบจะสร้างคำตอบเป็นข้อความ ใน 2 ขั้นตอน ในระยะแรก โมเดล Generative จะประมวลผลพรอมต์อินพุตและสร้างการกระจายความน่าจะเป็นของโทเค็น (คำ) ที่เป็นไปได้ซึ่งน่าจะเกิดขึ้นถัดไป ตัวอย่างเช่น หากคุณป้อนพรอมต์ ด้วยข้อความที่ป้อน "สุนัขกระโดดข้าม ... " โมเดล Generative จะ สร้างอาร์เรย์ของคำถัดไปที่เป็นไปได้

[("fence", 0.77), ("ledge", 0.12), ("blanket", 0.03), ...]

กระบวนการนี้เป็นแบบดีเทอร์มินิสติก ซึ่งโมเดล Generative จะสร้างการกระจายเดียวกันนี้ทุกครั้งที่ป้อนข้อความพรอมต์เดียวกัน

ในระยะที่ 2 โมเดล Generative จะแปลงการกระจายเหล่านี้เป็น การตอบกลับด้วยข้อความจริงผ่านกลยุทธ์การถอดรหัสอย่างใดอย่างหนึ่ง กลยุทธ์การถอดรหัสอย่างง่ายอาจเลือกโทเค็นที่มีแนวโน้มมากที่สุดในทุกขั้นตอนเวลา กระบวนการนี้จะกำหนดได้เสมอ อย่างไรก็ตาม คุณอาจเลือกที่จะ สร้างคำตอบโดยสุ่มตัวอย่างจากค่าการแจกแจงที่โมเดลส่งคืนมาแทน กระบวนการนี้จะเป็นแบบสุ่ม ควบคุมระดับ ความสุ่มที่อนุญาตในกระบวนการถอดรหัสนี้โดยการตั้งค่าอุณหภูมิ อุณหภูมิ 0 หมายความว่าระบบจะเลือกเฉพาะโทเค็นที่มีแนวโน้มมากที่สุด และไม่มีความสุ่ม ในทางกลับกัน อุณหภูมิสูงจะเพิ่มระดับความสุ่มสูง ลงในโทเค็นที่โมเดลเลือก ซึ่งจะทำให้โมเดลตอบกลับได้ไม่คาดคิดและน่าประหลาดใจมากขึ้น

ขั้นตอนถัดไป