Prompt engineering: siedem technik, które faktycznie poprawiają wyniki
Przykłady zamiast opisów, rozbicie zadania, jawne kryteria, format wyjścia i pozwolenie na niewiedzę - co naprawdę zmienia jakość odpowiedzi.
Prompt engineering to umiejętność formułowania poleceń tak, żeby model językowy zwracał przewidywalne i użyteczne wyniki. Dobry prompt zawiera zadanie, kontekst, przykłady i format odpowiedzi - i bywa ważniejszy od wyboru samego modelu.
Opisujemy techniki, które sprawdzają się w praktyce: few-shot prompting, łańcuch myśli i dobór temperatury, a także zagrożenia takie jak prompt injection.
1 artykuł
Przykłady zamiast opisów, rozbicie zadania, jawne kryteria, format wyjścia i pozwolenie na niewiedzę - co naprawdę zmienia jakość odpowiedzi.
Technika, w której model rozpisuje kolejne kroki rozumowania, zanim poda ostateczną odpowiedź.
Technika, w której w prompcie podaje się modelowi kilka przykładów zadania z poprawnym wynikiem, zanim dostanie właściwe polecenie.
Instrukcja przekazana modelowi - wszystko, co trafia na wejście: polecenie, kontekst, przykłady i dane.
Parametr sterujący losowością wyboru kolejnych tokenów - im wyższy, tym bardziej nieprzewidywalna odpowiedź.
Społeczność
Portal tworzą praktycy i badacze AI. Napisz artykuł, zaproponuj hasło do słownika albo dołącz do dyskusji pod tekstami.
Zostań autorem Przeglądaj słownik AI
Nowe artykuły, hasła ze słownika i to, co naprawdę wydarzyło się w AI przez ostatnie siedem dni. Bez hype’u.