【個人的な勉強メモ】Scenario Based Prompts For ChatGPT| Prompt Engineering For ChatGPT | Lecture 16/34
Scenario Based Prompts For ChatGPT| Prompt Engineering For ChatGPT | Lecture 16/34より(GPTにて要約)
大規模言語モデルは、運転中の様々なシナリオに対する次の行動を学習することができるため、例えば、少数ショットの例を使用して行動を予測することが可能。人間が例を編集し、大量の例を生成することができるため、大規模言語モデルは、他のモデルを教えるための例を生成することもできる。これは、従来よりも多様なタスクにも適用可能である。
Detailed Summary for Scenario Based Prompts For ChatGPT| Prompt Engineering For ChatGPT | Lecture 16/34 by Monica
00:00 大規模言語モデルは、フューショット例を用いて、特定の状況における次のアクションを学習することができる。
フューショットプロンプティングを使用して、様々なドライブシナリオに対応することができる。
例えば、前の車がブレーキを踏んだ時に減速する、高速道路に入るときは加速する、鹿が飛び出した場合はブレーキを踏んでショルダーに逃げるなど。
01:28 プロンプトによる複雑なタスクの実行が可能であることが示され、大規模言語モデルを使用して別のモデルを教えることができるという興味深い機能も紹介された。
駐車場からバックアウトしているときに、後ろに止まっている車のバックライトが点灯した場合、停止してバックアウトを待つよう指示するプロンプトが提示された。
大規模言語モデルを使用して、複雑なタスクを実行できることが示された。
大規模言語モデルを使用して、別のモデルを教えることができることが紹介された。
02:59 ChatGPTのためのプロンプトエンジニアリング:状況と行動の例を生成し、人間が編集して追加の例として提供できる
ChatGPTは、状況と行動の例を生成し、人間が編集して追加の例として提供できる
フラッドの場合は疑問視される意思決定である可能性がある
生成された例は、人間が編集してChatGPTに追加することができる
04:31 ChatGPTのためのプロンプトエンジニアリング:シナリオベースのプロンプト
初期の例を作成するための労力は高いが、その後の例は手動で編集できるため、迅速に例を生成できる。
ChatGPTの出力を他の大規模言語モデルに与えることで、他のモデルの出力を改善できる。
入力とアウトプットを示す一連の例のパターンを記述できる場合、あらゆる種類の興味深いことができる。
この記事が気に入ったらサポートをしてみませんか?