Официальное руководство пользователя GPT-4
Лучшие практики GPT
В этом руководстве представлены стратегии и тактики, позволяющие добиться лучших результатов от GPT. Описанные здесь методы иногда можно использовать в комбинации для достижения большего эффекта. Мы рекомендуем экспериментировать, чтобы найти методы, которые работают лучше всего для вас.
Некоторые из приведенных здесь примеров в настоящее время работают только с нашей самой мощной моделью gpt-4. Если у вас еще нет доступа к gpt-4, присоединитесь к списку ожидания. В целом, если вы обнаружили, что модель GPT не справляется с задачей, а в наличии есть более способная модель, часто стоит попробовать снова с более способной моделью.
Шесть стратегий для достижения лучших результатов
1.Пишите четкие инструкции
GPT не могут читать ваши мысли. Если результаты слишком длинные, просите давать краткие ответы. Если выводы слишком просты, попросите написать их на уровне эксперта. Если вам не нравится формат, продемонстрируйте формат, который вы хотели бы видеть. Чем меньше GPT приходится гадать, чего вы хотите, тем больше вероятность, что вы это получите.
Тактика:
- Включите детали в свой запрос, чтобы получить более релевантные ответы.
- Попросите модель быть в образе человека
- Используйте разделители для четкого обозначения отдельных частей входных данных
- Укажите шаги, необходимые для выполнения задания
- Приведите примеры
- Укажите желаемую длину выходных данных
2.Предоставить справочный текст
GPT могут уверенно придумывать ложные ответы, особенно когда их спрашивают об эзотерических темах или о ссылках и URL. Точно так же, как лист с записями может помочь студенту лучше справиться с тестом, предоставление справочного текста для GPT может помочь ответить на вопросы с меньшим количеством выдумок.
Тактика:
- Проинструктируйте модель как отвечать, используя справочный текст
- Проинструктируйте модель как отвечать, используя цитаты из справочного текста
3.Разделение сложных задач на более простые подзадачи
Подобно тому, как в программной инженерии хорошей практикой является декомпозиция сложной системы на набор модульных компонентов, то же самое справедливо и для задач, представленных в GPT. Сложные задачи, как правило, имеют более высокий процент ошибок, чем простые задачи. Более того, сложные задачи часто могут быть переформулированы как рабочий процесс более простых задач, в котором выходы более ранних задач используются для создания входов более поздних задач.
Тактика:
- Используйте классификацию намерений для определения наиболее релевантных инструкций для запроса пользователя
- Для диалоговых приложений, требующих очень длинных диалогов, резюмируйте или фильтруйте предыдущие диалоги.
- Резюмирование длинных документов по частям и рекурсивное построение полного резюме
4. Дайте GPT время на “подумать”
Если вас попросят умножить 17 на 28, вы, возможно, не сразу догадаетесь, но со временем сможете решить эту задачу. Аналогично, GPT допускают больше ошибок в рассуждениях, когда пытаются ответить сразу, а не тратят время на обдумывание ответа. Задание цепочки рассуждений перед ответом может помочь GPT более надежно обосновать свой путь к правильному ответу.
Тактика:
- Поручите модели проработать собственное решение, прежде чем спешить с выводом.
- Используйте внутренний монолог или последовательность запросов, чтобы скрыть процесс рассуждений модели.
- Спросите модель, не упустила ли она что-нибудь в предыдущих проходах.
5.Использовать внешние инструменты
Компенсируйте слабые стороны GPT, предоставляя им результаты работы других инструментов. Например, система поиска текста может рассказать GPT о релевантных документах. Механизм выполнения кода может помочь GPT выполнять математические вычисления и запускать код. Если задача может быть выполнена более надежно или эффективно инструментом, а не GPT, перегрузите ее, чтобы получить лучшее от обоих.
Тактика:
- Используйте поиск на основе вкраплений для эффективного поиска знаний.
- Используйте выполнение кода для выполнения более точных вычислений или вызова внешних API.
6.Систематически тестируйте изменения
Улучшить производительность проще, если вы можете ее измерить. В некоторых случаях модификация подсказки позволяет повысить производительность на нескольких отдельных примерах, но ухудшает общую производительность на более представительном наборе примеров. Поэтому, чтобы быть уверенным, что изменение положительно влияет на производительность, может потребоваться определить комплексный набор тестов
Тактика:
- Оценить выходные данные модели по отношению к золотому стандарту ответов