Ví dụ về lời nhắc

Phần trước đã giới thiệu một ví dụ cơ bản về cách nhắc LLM.

Phần này sẽ cung cấp thêm ví dụ về cách sử dụng lời nhắc để hoàn thành các nhiệm vụ khác nhau và giới thiệu các khái niệm chính trong quá trình thực hiện. Thông thường, cách tốt nhất để học các khái niệm là xem qua các ví dụ. Một số ví dụ dưới đây minh họa cách bạn có thể sử dụng các lời nhắc được soạn thảo kỹ lưỡng để thực hiện các loại nhiệm vụ khác nhau.

Tóm tắt văn bản

Một trong những nhiệm vụ tiêu chuẩn trong việc tạo ngôn ngữ tự nhiên là tóm tắt văn bản. Tóm tắt văn bản có thể bao gồm nhiều hương vị và lĩnh vực khác nhau. Trên thực tế, một trong những ứng dụng hứa hẹn nhất của mô hình ngôn ngữ là khả năng tóm tắt các bài viết, khái niệm thành những bản tóm tắt nhanh chóng và dễ đọc. Hãy thử thực hiện một tác vụ tóm tắt cơ bản bằng lời nhắc.

Giả sử bạn muốn tìm hiểu về thuốc kháng sinh, bạn có thể thử lời nhắc như sau:

Lời nhắc:

Explain antibiotics
A:

Đầu ra:

Antibiotics are a type of medication used to treat bacterial infections. They work by either killing the bacteria or preventing them from reproducing, allowing the body’s immune system to fight off the infection. Antibiotics are usually taken orally in the form of pills, capsules, or liquid solutions, or sometimes administered intravenously. They are not effective against viral infections, and using them inappropriately can lead to antibiotic resistance.

“A:” là định dạng nhắc nhở rõ ràng mà bạn sử dụng khi trả lời câu hỏi. Bạn đã sử dụng nó ở đây để nói với mô hình rằng có một câu trả lời cần được giải đáp thêm. Trong ví dụ này, không rõ điều này hữu ích như thế nào so với việc không sử dụng nó nhưng chúng tôi sẽ để nó cho các ví dụ sau. Giả sử rằng đây là quá nhiều thông tin và bạn muốn tóm tắt thêm. Trên thực tế, bạn có thể hướng dẫn mô hình tóm tắt thành một câu như sau:

Lời nhắc:

Antibiotics are a type of medication used to treat bacterial infections. They work by either killing the bacteria or preventing them from reproducing, allowing the body’s immune system to fight off the infection. Antibiotics are usually taken orally in the form of pills, capsules, or liquid solutions, or sometimes administered intravenously. They are not effective against viral infections, and using them inappropriately can lead to antibiotic resistance.

Explain the above in one sentence:

Đầu ra:

Antibiotics are medications used to treat bacterial infections by either killing the bacteria or stopping them from reproducing, but they are not effective against viruses and overuse can lead to antibiotic resistance.

Hãy bỏ qua tính chính xác của kết quả đầu ra ở trên, chúng tôi sẽ đề cập đến trong hướng dẫn sau, mô hình đã cố gắng tóm tắt đoạn văn trong một câu. Bạn có thể đưa vào lời nhắc thông minh hơn với các hướng dẫn nhưng chúng tôi sẽ để việc đó ở chương sau. Hãy tạm dừng ở đây và thử nghiệm để xem liệu bạn có nhận được kết quả tốt hơn không.

Khai thác thông tin

Mặc dù các mô hình ngôn ngữ được đào tạo để thực hiện việc tạo ngôn ngữ tự nhiên và các nhiệm vụ liên quan, nhưng nó cũng có khả năng thực hiện phân loại và một loạt các nhiệm vụ xử lý ngôn ngữ tự nhiên (NLP) khác.

Dưới đây là ví dụ về lời nhắc trích xuất thông tin từ một đoạn văn nhất định.

Lời nhắc:

Author-contribution statements and acknowledgements in research papers should state clearly and specifically whether, and to what extent, the authors used AI technologies such as ChatGPT in the preparation of their manuscript and analysis. They should also indicate which LLMs were used. This will alert editors and reviewers to scrutinize manuscripts more carefully for potential biases, inaccuracies and improper source crediting. Likewise, scientific journals should be transparent about their use of LLMs, for example when selecting submitted manuscripts.

Mention the large language model based product mentioned in the paragraph above:

Đầu ra:

The large language model based product mentioned in the paragraph above is ChatGPT.

Có nhiều cách để bạn có thể cải thiện kết quả trên nhưng cách này đã rất hữu ích rồi.

Đến bây giờ, rõ ràng là bạn có thể yêu cầu mô hình thực hiện các nhiệm vụ khác nhau bằng cách chỉ dẫn nó phải làm gì. Đó là khả năng mạnh mẽ mà các nhà phát triển sản phẩm AI đang sử dụng để xây dựng các sản phẩm và trải nghiệm mạnh mẽ.

Trả lời câu hỏi

Một trong những cách tốt nhất để mô hình phản hồi bằng các câu trả lời cụ thể là cải thiện định dạng của lời nhắc. Như đã đề cập trước đó, lời nhắc có thể kết hợp các chỉ dẫn, ngữ cảnh, đầu vào và đầu ra để có được kết quả được cải thiện. Mặc dù những thành phần này không bắt buộc nhưng nó sẽ trở thành một phương pháp thực hành tốt vì bạn càng hướng dẫn cụ thể thì bạn sẽ nhận được kết quả càng tốt. Dưới đây là ví dụ về cách hiển thị sau lời nhắc có cấu trúc chặt chẽ hơn.

Lời nhắc:

Answer the question based on the context below. Keep the answer short and concise. Respond "Unsure about answer" if not sure about the answer.

Context: Teplizumab traces its roots to a New Jersey drug company called Ortho Pharmaceutical. There, scientists generated an early version of the antibody, dubbed OKT3. Originally sourced from mice, the molecule was able to bind to the surface of T cells and limit their cell-killing potential. In 1986, it was approved to help prevent organ rejection after kidney transplants, making it the first therapeutic antibody allowed for human use.

Question: What was OKT3 originally sourced from?

Answer:

Đầu ra:

Mice.

Phân loại văn bản

Cho đến nay, bạn đã sử dụng các hướng dẫn đơn giản để thực hiện một tác vụ. Là một kỹ prompt, bạn cần phải giỏi hơn trong việc đưa ra những hướng dẫn tốt hơn. Nhưng đó không phải là tất cả! Bạn cũng sẽ thấy rằng đối với những trường hợp sử dụng khó hơn, chỉ cung cấp hướng dẫn là không đủ. Đây là lúc bạn cần suy nghĩ thêm về ngữ cảnh và các yếu tố khác nhau mà bạn có thể sử dụng trong lời nhắc. Các phần tử khác bạn có thể cung cấp là input data hoặc examples.

Hãy thử chứng minh điều này bằng cách cung cấp một ví dụ về phân loại văn bản.

Lời nhắc:

Classify the text into neutral, negative or positive. 
Text: I think the food was okay. 
Sentiment:

Đầu ra:

Neutral

Bạn đã đưa ra hướng dẫn phân loại văn bản và mô hình đã phản hồi bằng 'Neutral', điều này đúng. Điều này không có gì sai nhưng giả sử rằng điều bạn thực sự cần là mô hình cung cấp nhãn theo định dạng chính xác mà bạn muốn. Vì vậy, thay vì Neutral, bạn muốn nó trả về neutral. Làm thế nào để bạn đạt được điều này? Có nhiều cách khác nhau để làm điều này. Bạn quan tâm đến tính cụ thể ở đây, vì vậy bạn càng cung cấp nhiều thông tin trong lời nhắc thì kết quả càng tốt. Bạn có thể thử cung cấp các ví dụ để chỉ định hành vi đúng. Hãy thử lại lần nữa:

Lời nhắc:

Classify the text into neutral, negative or positive. 
Text: I think the vacation is okay.
Sentiment: neutral 
Text: I think the food was okay. 
Sentiment:

Đầu ra:

neutral

Hoàn hảo! Lần này mô hình trả về neutral chính là nhãn cụ thể mà bạn đang tìm kiếm. Có vẻ như ví dụ được cung cấp trong lời nhắc đã giúp mô hình có kết quả cụ thể.

Để làm nổi bật lý do tại sao đôi khi việc cụ thể lại quan trọng, hãy xem ví dụ bên dưới và phát hiện ra vấn đề:

Lời nhắc:

Classify the text into nutral, negative or positive. 
Text: I think the vacation is okay.
Sentiment:

Đầu ra:

Neutral

vấn đề ở đây là gì? Như một gợi ý, nhãn hiệu trang điểm nutral hoàn toàn bị mô hình bỏ qua. Thay vào đó, mô hình xuất ra Neutral vì nó có một số sai lệch đối với nhãn đó. Nhưng hãy giả sử rằng điều bạn thực sự muốn là nutral. Bạn sẽ khắc phục điều này như thế nào? Có lẽ bạn có thể thử thêm mô tả vào nhãn hoặc thêm nhiều ví dụ khác vào lời nhắc? Nếu bạn không chắc chắn, chúng ta sẽ thảo luận một vài ý tưởng trong các phần sắp tới.

Cuộc hội thoại

Có lẽ một trong những điều thú vị hơn mà bạn có thể đạt được với kỹ thuật nhắc là hướng dẫn hệ thống LLM về cách ứng xử, mục đích và danh tính của nó. Điều này đặc biệt hữu ích khi bạn đang xây dựng các hệ thống đàm thoại như chatbot dịch vụ khách hàng.

Ví dụ: hãy tạo một hệ thống đàm thoại có thể tạo ra các câu trả lời mang tính kỹ thuật và khoa học hơn cho các câu hỏi. Lưu ý cách bạn nói rõ ràng với nó cách ứng xử thông qua hướng dẫn. Điều này đôi khi được gọi là nhắc nhở với vai trò .

Lời nhắc:

The following is a conversation with an AI research assistant. The assistant tone is technical and scientific.
Human: Hello, who are you?
AI: Greeting! I am an AI research assistant. How can I help you today?
Human: Can you tell me about the creation of blackholes?
AI:

Đầu ra:

Sure! Black holes are regions of spacetime where the gravitational force is so strong that nothing, not even light, can escape from it. They are created when a very massive star dies and its core collapses in on itself, forming a singularity of infinite density. The intense gravity of the singularity pulls in all the matter and radiation around it, creating the black hole.

Trợ lý nghiên cứu AI của chúng ta nghe có vẻ hơi quá kỹ thuật phải không? Được rồi, hãy thay đổi hành vi này và hướng dẫn hệ thống đưa ra câu trả lời dễ tiếp cận hơn.

Lời nhắc:

The following is a conversation with an AI research assistant. The assistant answers should be easy to understand even by primary school students.
Human: Hello, who are you?
AI: Greeting! I am an AI research assistant. How can I help you today?
Human: Can you tell me about the creation of black holes?
AI:

Đầu ra:

Sure! Black holes are created when a very massive star runs out of fuel and collapses in on itself. The gravity of the star is so strong that nothing, not even light, can escape its pull. This creates a point in space-time with an intense gravitational force called a black hole.

Như vậy là bạn đã đạt được một số tiến bộ. Bạn có thể tiếp tục cải thiện nó. Nếu bạn thêm nhiều ví dụ hơn, bạn có thể nhận được kết quả tốt hơn nữa.

Tạo mã lập trình

Một ứng dụng mà LLM khá hiệu quả là tạo mã lập trình. Trợ lý đồng hành là một ví dụ tuyệt vời về điều này. Có rất nhiều tác vụ tạo mã mà bạn có thể thực hiện với những lời nhắc thông minh. Chúng ta hãy xem một vài ví dụ dưới đây.

Đầu tiên, hãy thử một chương trình đơn giản chào đón người dùng.

Lời nhắc:

/*
Ask the user for their name and say "Hello"
*/

Đầu ra:

let name = prompt("What is your name?");
console.log(`Hello, ${name}!`);

Lưu ý rằng bạn thậm chí không cần chỉ định ngôn ngữ sẽ sử dụng.

Hãy chuyển đổi mức độ một chút. Ví dụ bên dưới cho thấy LLM có thể mạnh mẽ như thế nào nếu bạn nỗ lực hơn một chút trong việc thiết kế lời nhắc.

Lời nhắc:

"""
Table departments, columns = [DepartmentId, DepartmentName]
Table students, columns = [DepartmentId, StudentId, StudentName]
Create a MySQL query for all students in the Computer Science Department
"""

Đầu ra:

SELECT StudentId, StudentName 
FROM students 
WHERE DepartmentId IN (SELECT DepartmentId FROM departments WHERE DepartmentName = 'Computer Science');

Điều này rất ấn tượng. Trong trường hợp này, bạn đã cung cấp dữ liệu về lược đồ cơ sở dữ liệu và yêu cầu nó tạo một truy vấn MySQL hợp lệ.

Lý luận

Có lẽ một trong những nhiệm vụ khó khăn nhất đối với LLM ngày nay là nhiệm vụ đòi hỏi một số hình thức lý luận. Lý luận là một trong những lĩnh vực thú vị nhất do các loại ứng dụng phức tạp có thể xuất hiện từ LLM.

Đã có một số cải tiến trong các nhiệm vụ liên quan đến khả năng toán học. Điều đó nói lên rằng, điều quan trọng cần lưu ý là các LLM hiện tại gặp khó khăn trong việc thực hiện các nhiệm vụ lý luận nên điều này đòi hỏi các kỹ thuật kỹ thuật nhắc thậm chí còn tiên tiến hơn. Chúng tôi sẽ đề cập đến những kỹ thuật nâng cao này trong hướng dẫn tiếp theo. Hiện tại, chúng tôi sẽ đề cập đến một số ví dụ cơ bản để thể hiện khả năng số học.

Lời nhắc:

What is 9,000 * 9,000?

Đầu ra:

81,000,000

Hãy thử điều gì đó khó khăn hơn.

Lời nhắc:

The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1. A:

đầu ra

No, the odd numbers in this group add up to an odd number: 119.

Điều đó không đúng! Hãy cố gắng cải thiện điều này bằng cách cải thiện lời nhắc.

Lời nhắc:

The odd numbers in this group add up to an even number: 15, 32, 5, 13, 82, 7, 1. Solve by breaking the problem into steps. First, identify the odd numbers, add them, and indicate whether the result is odd or even.

Đầu ra:

Odd numbers: 15, 5, 13, 7, 1
Sum: 41 
41 is an odd number.

Tốt hơn nhiều, phải không? Nhân tiện, chúng tôi đã thử nhiệm vụ này một vài lần và mô hình đôi khi không thành công. Nếu bạn cung cấp hướng dẫn tốt hơn kết hợp với ví dụ, điều đó có thể giúp nhận được kết quả chính xác hơn.

Trong phần sắp tới, chúng tôi sẽ đề cập đến các khái niệm và kỹ thuật kỹ thuật nhắc thậm chí còn nâng cao hơn để cải thiện hiệu suất trên tất cả những nhiệm vụ này và những nhiệm vụ khó khăn hơn.