In attesa di chatGPT 4.5 (voci di corridoio parlano di un’ uscita imminente di un GPT 4.5-turbo dopo i recenti leak che spiegherebbe il miglioramento delle prestazioni delle ultime settimane) openAI ha rilasciato la propria Guida al Prompt Engineering.

La guida è utile per chiunque cerchi di massimizzare i LLM.

Ecco le 6 strategie delineate per ottenere risultati migliori da GPT-4:

1. Scrivi istruzioni chiare
   Per ottenere il massimo dai modelli di intelligenza artificiale, è importante essere specifici nelle richieste. Se desideri risposte più brevi o avanzate, specifica le tue esigenze. Fornire esempi del formato desiderato aiuta il modello a comprendere meglio le tue preferenze, riducendo il margine di errore nell’interpretazione delle tue richieste.
2. Fornisci un testo di riferimento
   Per ridurre il rischio di ricevere risposte inesatte dai modelli linguistici, specialmente su argomenti complessi o richieste di citazioni, è utile fornire testi o contesti di riferimento. Questo approccio aumenta la probabilità di ottenere risposte più precise e meno inventate.
3. Suddividi le attività complesse in sottoattività più semplici
   Per minimizzare gli errori quando si utilizza un modello linguistico, è consigliabile suddividere i compiti complessi in una serie di compiti più semplici e modulari. Questo approccio, simile alla decomposizione di sistemi in ingegneria del software, consente di utilizzare i risultati dei compiti precedenti come input per quelli successivi, rendendo l’intero processo più gestibile e accurato.
4. Dai al modello il tempo di “pensare”
   Per ridurre gli errori di ragionamento nei modelli linguistici, è utile chiedere loro di esporre il proprio processo di pensiero prima di fornire una risposta. Questo metodo, simile al prendersi il tempo per risolvere un calcolo, permette al modello di procedere passo dopo passo verso la soluzione, migliorando l’affidabilità e l’accuratezza delle risposte.
5. Utilizza strumenti esterni
   Per massimizzare l’efficacia dei modelli linguistici, è consigliabile integrarli con altri strumenti. Sistemi di recupero testi possono fornire al modello informazioni rilevanti, mentre motori di esecuzione di codice possono assistere in calcoli e nell’esecuzione di codici. Utilizzando strumenti specializzati per compiti specifici, si ottiene una sinergia che migliora l’affidabilità e l’efficienza complessiva delle risposte.
6. Testa le modifiche in modo sistematico
   Per assicurarsi che le modifiche ai prompt portino a un miglioramento effettivo delle prestazioni di un modello linguistico, è importante misurare queste prestazioni. Questo si fa definendo una suite di test completa che valuti le modifiche su un ampio e rappresentativo insieme di esempi, anziché solo su pochi casi isolati. Questo approccio consente di valutare in modo più accurato l’impatto complessivo delle modifiche.

tratto dalla mia newsletter : Metà nerd e metà..verso