Prompt 的內容可以分成三類
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
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
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><