← Каталог

· AI Engineer Summit 2023

Приёмы prompt engineering

Prompt Engineering Tactics

Три простых приёма для запросов к LLM (роли нескольких персон, ссылка на источник через «according to», эмоциональные стимулы) по словам спикера дают более точные ответы.

  • Роли нескольких персон — для сложных и генеративных задач модель разыгрывает агентов с разными ролями, например издателя, автора и целевую аудиторию книги, которые обсуждают идеи и приходят к ответу. Весь ход этого обсуждения видно в выводе.
  • Ссылка на источник — фраза вроде «according to Wikipedia» в конце вопроса повышает шанс, что модель опирается на указанный источник, и, по данным, которые приводит спикер из Johns Hopkins, снижает галлюцинации до 20%. Приём полезен, когда у модели есть стабильный источник данных.
  • EmotionPrompt — эмоциональный стимул в конце промпта, например фраза о том, что задача важна для карьеры. Эксперименты исследователей из Microsoft и нескольких университетов показали прирост качества от 8% до 115% в зависимости от задачи.

Кому полезно: тем, кто настраивает промпты для LLM-функций в продукте.

Статья по теме

Главы

Ещё доклады: Dan Cleary

Страница спикера →

Похожие доклады