【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。

ChatGPTのプロンプトエンジニアリングでは、言語モデルから望ましい応答を引き出すための効果的なプロンプトを設計します。明確な指示や文脈を提供することで、一貫性のある正確な回答を生成するようモデルを誘導することを目的としています。
ここでは、プロンプトエンジニアリングのための主な検討事項を紹介します:

1.形式を指定する:回答を求める形式を明確に定義する。例えば、箇条書きのリストや段落を想定している場合は、プロンプトの中で明示的に言及する。

2.文脈を提供する:関連する情報を提供し、モデルの背景を設定します。背景の詳細、過去の会話の履歴、具体的な制約や要件などが含まれます。

3.具体的な情報を求める:質問や要望は正確に伝えましょう。特定の答えや具体的な情報が必要な場合は、プロンプトで明示的にお願いするようにしましょう。

4.システムメッセージを使用する:システムのメッセージを使用して、モデルの動作をガイドします。このメッセージは、高レベルの指示を提供し、特定のトーンやスタイルを奨励し、必要な出力形式についてモデルに思い出させることができます。

5.実験と反復:プロンプトエンジニアリングでは、多くの場合、実験と反復が必要です。さまざまなプロンプトをテストし、指示を微調整し、モデルの反応を観察して、望ましいアウトプットを微調整してください。

6.オープンエンドのプロンプトは避ける:ChatGPTでは、クリエイティブな回答が得られがちですが、信頼性に欠ける場合もあります。これを軽減するために、プロンプトを絞り込んだり、希望するアプローチを指定したりして、より集中的で正確な回答を促します。

7.プロンプトとユーザーの指示を組み合わせる:会話の中で、プロンプトと一緒にユーザーの指示を入れる。これにより、モデルの動作をガイドし、ユーザーの要求を理解し、それに従うようにします。

プロンプトエンジニアリングは、繰り返し行われるプロセスであることを忘れないでください。モデルの反応や対話からのフィードバックに基づいて、プロンプトを継続的に改良・改善します。ChatGPTで望ましい結果を得るためには、実験と微調整が欠かせません。

コンピュータサイエンス関連のチュートリアルをもっと見るには、私たちのチャンネルを購読してください。

/ @learnwithgeeks

Scenario Based Prompts For ChatGPT| Prompt Engineering For ChatGPT | Lecture 16/34より

この記事が気に入ったらサポートをしてみませんか?