おそらく、プロンプトエンジニアリングについて聞いたことがあるかもしれません。基本的には「AIに効果的に伝えて、自分の望むものを得ること」と言えます。
ほとんどの人は良いプロンプトを作成する方法を知らない。
しかし、これはますます重要なスキルになっています...
なぜなら、ゴミを入れるとゴミが出てくるからです。
以下は、プロンプティングに必要な最も重要な技術です👇
言語モデルを「LM」とします。
言語モデルの例として、@OpenAIのChatGPTと@AnthropicAIのClaudeがあります。
1. ペルソナ/役割の促し
AIに役割を割り当てる。
例:「あなたはXの専門家です。20年間、人々がYをするのを助けてきました。あなたの仕事はXに関する最良のアドバイスを提供することです。
「了解」と思われる場合は、「了解」と返信してください。」
以下は強力なアドオンです:
「質問者が何を求めているかをより良く理解するために、常に回答する前に質問をする必要があります。」
その重要性について、じゃあ少々話します。
2. CoT
CoTは「Chain of Thought」の略です。
それは、LMにその推論を説明するよう指示するために使用されます。
例:
3. ゼロショット共著
ゼロショットは、モデルがプロンプト内で追加のトレーニングなしに予測を行うことを指します。
数分後にフォーショットに取り組みます。
通常、CoT > Zero-shot-CoT であることに注意してください。
例:
4. フューショット(およびフューショット-CoT)
フューショットとは、LM(Language Model)がプロンプトに数例を与えられることで、新しい例に対してより速く適応することを意味します。
例:
5. 知識生成
LMを促して質問に関連する知識を生成しています。
これは生成された知識プロンプトに使用することができます(詳細は以下を参照)。
例:
6. 生成された知識
知識があるので、その情報を新しいプロンプトに入力して、その知識に関連する質問をすることができます。
そのような質問は「知識増強型」の質問と呼ばれます。
7. 自己整合性
このテクニックは、複数の推論パス(思考の連鎖)を生成するために使用されます。
過半数の回答が最終回答とされます。
例:
8. LtM
LtMは「最小から最大まで」という意味です。
この技術はCoTの後続です。さらに、問題を細分化して解決する方法です。
例: