細節添加

Prompt 的內容可以分成三類

1.Zero-shot prompts

零樣本提示詞，指的是僅提供任務描述，例如一個開頭，讓提示補全生成文整的文本，可以用來寫信或是做些簡單的文本總結。
接下來用Chat GPT 做示範，讓它幫我寫一封生日派對邀請函。

GPT生成

2.One-shot prompts

一次提示，不僅提供了任務需求，它還有給予開頭範例。讓GPT學習要生成甚麼樣的回答。
一樣用Chat GPT 做示範，給予它一行描述加上一行提示範例，讓推薦我們2020年的熱門韓劇。

GPT生成

3.Few-shot prompts

多次提示，通常是10到100個，它可以提高GPT補全的質量，因為它提供GPT很多學習的內容。除了列舉清單，它還可以進行模擬對話，在進行多次的對話模擬時，也可以用到我們昨天學到的特殊符號來分割對話內容喔。
除此之外還可以用來規定格式訓練標籤，其實概念和前一天提到的新增範例有點相同，只是用多個例子讓機器主動訓練並生成結果。
我們會分別實作模擬對話和格式限制給大家看。
首先，我們先提供一小段對話給GPT，讓它將對話補齊。

GPT生成

接下來我們要用模型訓練標籤。
其中有一個很有趣的點可以供我們日後花時間討論:
有研究表明，只要是固定格式，不論其標籤內容是否正確都有助於模型生成的效率。

以下我們分別實作，正確的標籤及隨機標籤，兩種訓練。
(1)正常標籤

GPT生成

(2)隨機標籤

GPT生成

是不是很奇怪呢?
雖然隨機標籤跟實際上的答案有出入(根本就完全相反)，但因為是固定格式所以GPT也會回答出對的答案。
這是因為.....

誒嘿~這不在我們今天的討論範圍，大家如果有興趣的話，我們之後可以把這個問題單獨一天討論。(畫餅中)

明天是設計prompt的最後一天啦，大家也要記得準時收看喔><