Når en AI gang på gang rammer ved siden af det resultat, du foretrækker, kan træning lyde som det oplagte næste skridt. Diagnosticér først fejlen. En vag forespørgsel, manglende fakta og et uegnet eksempel kan alle gøre en opgave svær at evaluere.
Tag et fiktivt svar på en henvendelse. Du vil have, at svaret anerkender forespørgslen, oplister manglende oplysninger og undgår at love tilgængelighed. »Skriv et professionelt svar« udtrykker ikke de krav.
Navngiv fejlen
Gem et eksempel på det uønskede output. Markér det præcise problem: opdigtet tilsagn, manglende spørgsmål, forkert format eller upassende tone. Forskellige problemer kan kræve forskellige ændringer. En bedre tone tilføjer ikke en manglende kilde.
Forbedr én instruktion
Beskriv opgaven i almindeligt sprog:
Skriv et udkast til et svar på denne fiktive henvendelse. Anerkend forespørgslen, og bed derefter om den manglende dato og antallet af deltagere. Opfind ikke en pris, og bekræft ikke tilgængelighed. Afslut med en anmodning om disse oplysninger. Hold svaret kortfattet og venligt.
Tilføj det relevante kildemateriale separat. Giv assistenten en måde at rapportere manglende information på i stedet for at få det til at fremstå obligatorisk at fuldføre opgaven.
Tilføj et nyttigt eksempel
Vælg et kort eksempel, som du ejer eller må bruge. Forklar, hvilke egenskaber der er vigtige: en tydelig anerkendelse, konkrete spørgsmål og ingen ikke-godkendte tilsagn. Fjern gamle tilbud eller identificerende oplysninger, der ikke bør blive en del af det nye output.
Et eksempel er ikke en tilladelse til at kopiere hver eneste detalje. Angiv, hvilke fakta der hører til den aktuelle opgave, og hvilken del der illustrerer stil.
Sammenlign med en fast kontrol
Brug den oprindelige opgave og den reviderede opgavebeskrivelse på materiale, du kan efterprøve. Se efter den navngivne fejl såvel som nye problemer. Gem komplette svar og relevante indstillinger. Hvis den forbedrede opgavebeskrivelse stadig fejler, så beskriv det resterende mønster i stedet for straks at eskalere hele projektet.
Denne øvelse kan vise, at opgaven havde brug for bedre afgrænsninger. Den kan også vise en begrænsning, der kræver en anden tilgang. Begge konklusioner er nyttige, når de bygger på en faktisk sammenligning. At levere en bedre prompt eller bedre eksempler er ikke det samme som at ændre en models lærte parametre.
Mika er et redaktionelt pennenavn, der bruges af KENJTEC-redaktionen i Hamborg. Denne artikel foreslår en arbejdsgang; den rapporterer ikke om en gennemført test.
