![](https://www.eiefun.com/images/2023/10/30/15649/2.jpg)
您曾经与 Chat-GPT 进行过对话吗?见证它如何仔细选择词语并解释我们的输入以向我们提供有意义的响应真是令人着迷。
在 OpenAI 推出 ChatGPT 之前,对话式 AI 的世界,尤其是网站上的聊天机器人,以及 AI 在自然语言处理中理解和响应人类查询的能力并不那么先进。
当我们与 ChatGPT 互动时,我们会提出问题,通常称为“提示”,作为回报,我们会收到其答复,称为“完成”。但您是否想过实现这种无缝交互的神奇中介?正是这个“模型”发挥了人工智能的魔力,弥合了我们的问题和我们收到的富有洞察力的答案之间的差距。
![](https://www.eiefun.com/images/2023/10/30/15649/3.jpg)
调整提示可以显着提高人工智能生成的响应的质量,而这正是提示工程的意义所在。简而言之,这意味着调整问题或提示以获得更好的结果。
以下是一些有效的提示策略,可以根据您的具体需求使用,以确保模型生成更准确和更有洞察力的结果:
零样本提示:让我们想象一个场景,一群年轻学生 Viji、Swetha 和 Lily 正在为一个科学博览会项目做准备。
Viji:“我想做一个植物实验,但我不确定从哪里开始。你能给我一些指导吗,Swetha?”
通过零镜头提示,Viji 依靠 Swetha 的现有知识来提供方向。
Swtha:“当然,我们可以探索不同程度的阳光如何影响植物生长。你卧室的窗户可以成为一个很好的试验场。”
结果:零样本提示利用 Swtha 的先验知识来引导 Viji 启动她的项目。本质上,它涉及将我们的查询提供给模型,而无需附加信息。这种类型的提示非常适合一般查询和信息检索。
一次性提示:考虑莉莉,她正在考虑用磁铁进行实验,但需要提示哪些材料会被磁铁吸引。
莉莉:“我正在考虑使用磁铁,但我不确定它们会吸引哪种材料。你能提供一点提示吗,Viji?”
通过一次性提示,莉莉可以请求一个提示来指导她的实验。
维吉:“当然,莉莉。这里有一个提示:金属物体通常会对磁铁表现出吸引力。”
莉莉决定应用这一提示,用磁铁测试不同的金属物体,最终发现哪些物体具有磁吸引力。
结果:一次性提示允许单个提示来引导实验。简而言之,一次性提示需要提供样本输出格式或有关预期输出的附加上下文,这有助于模型最大限度地提高其输出效率。
少量提示:假设 Swetha 正在计划一个化学项目,并寻求 Viji 和 Lily 的建议。
Swtha:“我正在为一个化学项目做准备。你们有什么很酷的反应想法吗?”
通过几次提示,Swetha 可以获得 Viji 和 Lily 的建议。
Viji:“你可能需要考虑经典的小苏打和醋火山。”
莉莉:“或者尝试一下变色牛奶实验怎么样?”
Swetha 最终将这两种建议结合起来,创造了一座充满活力、具有独特风格的喷发火山。
结果:少量的提示使 Swtha 能够从她的朋友那里获得多种创意,从而制作出一个令人兴奋的项目。总之,小样本提示需要为模型提供更多的上下文(通常为 2 到 5 条信息),以提高响应质量。
简而言之,即时工程就是调整您对人工智能模型的输入以获得最佳结果,而这些策略可以作为您实现该目标的指南。
享受学习!!!
免责声明
本文内容(图片、文章)翻译/转载自国内外资讯/自媒体平台。文中内容不代表本站立场,如有侵权或其它,请联系 admin@eiefun.com,我们会第一时间配合删除。