Kỹ thuật nhanh chóng

Kỹ thuật nhắc nhở là nghệ thuật và khoa học thiết kế các đầu vào hiệu quả (lời nhắc) để hướng dẫn các mô hình Trí tuệ Nhân tạo (AI) , đặc biệt là Mô hình Ngôn ngữ Lớn (LLM) , hướng tới việc tạo ra các đầu ra mong muốn. Nó tương tự như việc một người giao tiếp thành thạo với AI, biết chính xác phải nói gì và nói như thế nào để có được phản hồi tốt nhất có thể. Thực hành này rất quan trọng vì hiệu suất, mức độ liên quan và chất lượng đầu ra của mô hình AI phụ thuộc rất nhiều vào cách đặt câu hỏi. Kỹ thuật nhắc nhở hiệu quả cho phép người dùng khai thác toàn bộ tiềm năng của các mô hình nền tảng mạnh mẽ cho nhiều tác vụ khác nhau.

Kỹ thuật Prompt hoạt động như thế nào

Cốt lõi của kỹ thuật gợi ý là cấu trúc một đầu vào cung cấp ngữ cảnh rõ ràng và đầy đủ cho mô hình. Trong khi một câu hỏi đơn giản có thể mang lại câu trả lời cơ bản, một gợi ý được thiết kế tốt có thể kiểm soát được giọng điệu, định dạng và độ phức tạp. Các thành phần chính của một gợi ý nâng cao có thể bao gồm:

• Hướng dẫn : Chỉ thị rõ ràng và cụ thể cho mô hình biết nhiệm vụ cần thực hiện (ví dụ: "Tóm tắt bài viết sau thành ba điểm chính").
• Bối cảnh : Cung cấp thông tin hoặc dữ liệu nền có liên quan mà mô hình nên sử dụng để đưa ra phản hồi.
• Persona : Chỉ định vai trò cho AI đảm nhận, vai trò này ảnh hưởng đến giọng điệu và phong cách của đầu ra (ví dụ: "Hoạt động như một chuyên gia phân tích tài chính").
• Định dạng : Chỉ định cấu trúc mong muốn của đầu ra, chẳng hạn như danh sách, đối tượng JSON hoặc phong cách viết cụ thể.
• Ví dụ : Bao gồm các ví dụ về định dạng đầu vào và đầu ra mong muốn, một kỹ thuật được gọi là học ít lần , giúp định hướng phản hồi của mô hình. Bạn có thể tìm thấy tài nguyên toàn diện về các kỹ thuật này tại Hướng dẫn Gợi ý .

Ứng dụng trong thế giới thực

1. Tự động hóa Hỗ trợ Khách hàng : Để đảm bảo tính nhất quán và chính xác của thương hiệu, một công ty có thể sử dụng kỹ thuật nhắc nhở để hướng dẫn chatbot hỗ trợ. Một lời nhắc nhở có thể hướng dẫn AI sử dụng giọng điệu thân thiện và hữu ích, sử dụng cơ sở kiến thức nội bộ để trả lời các câu hỏi về sản phẩm và xác định giao thức rõ ràng về thời điểm chuyển cuộc trò chuyện sang nhân viên. Điều này kiểm soát hành vi của AI, ngăn chặn việc cung cấp thông tin không chính xác hoặc tương tác với khách hàng theo cách không phù hợp với thương hiệu.

2. Tạo Nội dung Sáng tạo : Trong các mô hình chuyển đổi văn bản thành hình ảnh như Midjourney hoặc DALL-E 3 của OpenAI , lời nhắc là công cụ chính để tạo ra nội dung. Một lời nhắc đơn giản như "hình ảnh một chiếc xe hơi" sẽ cho ra kết quả chung chung. Tuy nhiên, một lời nhắc chi tiết như "Một chiếc xe thể thao màu đỏ cổ điển từ những năm 1960 đang lướt nhanh trên đường cao tốc ven biển lúc hoàng hôn, phong cách chân thực, ánh sáng điện ảnh, độ phân giải 8K" sẽ cung cấp hướng dẫn cụ thể về chủ đề, bối cảnh, phong cách và chất lượng, tạo ra một hình ảnh được thiết kế riêng và ấn tượng về mặt thị giác.

Sự liên quan trong tầm nhìn máy tính

Mặc dù bắt nguồn từ Xử lý Ngôn ngữ Tự nhiên (NLP) , kỹ thuật nhắc nhở ngày càng trở nên quan trọng trong Thị giác Máy tính (CV) . Điều này được thúc đẩy bởi sự phát triển của các mô hình đa phương thức có thể xử lý đồng thời cả văn bản và hình ảnh. Các mô hình như CLIP và các bộ phát hiện từ vựng mở như YOLO-World có thể thực hiện các tác vụ như phát hiện đối tượng dựa trên các mô tả văn bản tùy ý. Đối với các mô hình này, việc tạo ra một lời nhắc văn bản hiệu quả (ví dụ: "phát hiện tất cả 'xe đạp' nhưng bỏ qua 'xe máy'") là một hình thức kỹ thuật nhắc nhở rất quan trọng để định hướng cho các Mô hình Ngôn ngữ Thị giác này. Các nền tảng như Ultralytics HUB tạo điều kiện thuận lợi cho việc tương tác với nhiều mô hình khác nhau, trong đó việc xác định tác vụ thông qua giao diện có thể được hưởng lợi từ các nguyên tắc kỹ thuật nhắc nhở.

Kỹ thuật nhanh chóng so với các khái niệm liên quan

Điều quan trọng là phải phân biệt kỹ thuật nhanh chóng với các khái niệm học máy khác:

• Tinh chỉnh : Điều này bao gồm việc cập nhật trọng số của mô hình bằng cách tiếp tục quá trình huấn luyện trên một tập dữ liệu mới. Ngược lại, kỹ thuật nhanh chóng không thay đổi bản thân mô hình mà chỉ định hướng hành vi của mô hình hiện có tại thời điểm suy luận.
• Điều chỉnh Nhắc nhở : Là một phương pháp tinh chỉnh hiệu quả tham số (PEFT) , điều chỉnh nhắc nhở bao gồm việc học một tập hợp nhỏ các nhúng "nhắc nhở mềm" được thêm vào đầu vào. Phương pháp này tự động tạo nhắc nhở thông qua đào tạo, trong khi kỹ thuật nhắc nhở là quá trình thủ công để tạo ra "nhắc nhở cứng" dạng văn bản.
• Gợi ý Chuỗi Tư duy (CoT) : CoT là một kỹ thuật gợi ý cụ thể, trong đó một hướng dẫn như "suy nghĩ từng bước" được thêm vào gợi ý. Điều này khuyến khích mô hình chia nhỏ các vấn đề phức tạp thành các bước suy luận trung gian, thường dẫn đến kết quả chính xác hơn, như đã được trình bày chi tiết trong bài nghiên cứu AI gốc của Google .
• Chuỗi nhắc nhở : Kỹ thuật này liên quan đến việc chia nhỏ một tác vụ phức tạp thành nhiều chuỗi nhắc nhở tuần tự, trong đó đầu ra của một bước là đầu vào cho bước tiếp theo. Kỹ thuật nhắc nhở là phương pháp rộng hơn nhằm thiết kế hiệu quả từng chuỗi nhắc nhở riêng lẻ đó. Các nền tảng như LangChain được thiết kế để điều phối các chuỗi nhắc nhở như vậy.
• Thế hệ Tăng cường Truy xuất (RAG) : RAG là một hệ thống tăng cường lời nhắc bằng cách trước tiên truy xuất dữ liệu liên quan từ một cơ sở kiến thức bên ngoài. Kỹ thuật lời nhắc đóng vai trò quan trọng trong hệ thống RAG để xây dựng chính xác cả truy vấn tìm kiếm ban đầu và lời nhắc cuối cùng, kết hợp câu hỏi của người dùng với thông tin đã truy xuất.