Lorsqu'une IA manque à plusieurs reprises le résultat que vous souhaitez, l'entraînement peut sembler la prochaine étape évidente. Commencez par diagnostiquer l'échec. Une demande vague, des faits manquants et un exemple inadapté peuvent tous rendre une tâche difficile à évaluer.
Prenez une réponse fictive à une demande de renseignements. Vous voulez que la réponse accuse réception de la demande, liste les détails manquants et évite de promettre une disponibilité. « Rédigez une réponse professionnelle » n'exprime pas ces exigences.
Nommer l'échec
Conservez un exemple du résultat indésirable. Signalez le problème exact : engagement inventé, question manquante, format incorrect ou ton inadapté. Des problèmes différents peuvent nécessiter des modifications différentes. Améliorer le ton ne fournira pas une source manquante.
Améliorer une instruction
Décrivez la tâche en langage clair :
Rédigez une réponse à cette demande fictive. Accusez réception de la demande, puis demandez la date et le nombre de participants, qui manquent. N'inventez pas de prix et ne confirmez pas de disponibilité. Terminez en demandant ces informations. Gardez une réponse concise et aimable.
Ajoutez séparément les documents sources pertinents. Donnez à l'assistant un moyen de signaler les informations manquantes au lieu de donner l'impression qu'il est obligatoire d'aller jusqu'au bout.
Ajouter un exemple utile
Choisissez un court exemple qui vous appartient ou que vous avez le droit d'utiliser. Expliquez quelles caractéristiques comptent : un accusé de réception clair, des questions concrètes et aucun engagement non approuvé. Supprimez les anciennes offres ou les informations permettant une identification qui ne doivent pas se retrouver dans le nouveau résultat.
Un exemple n'autorise pas à en copier chaque détail. Indiquez quels faits relèvent de la tâche actuelle et quelle partie illustre le style.
Comparer à l'aide d'un contrôle fixe
Appliquez la tâche d'origine et la consigne révisée à des contenus que vous pouvez examiner. Recherchez l'échec identifié ainsi que de nouveaux problèmes. Conservez les réponses complètes et les paramètres pertinents. Si la consigne améliorée échoue encore, décrivez le schéma persistant plutôt que de faire immédiatement passer l'ensemble du projet à l'échelon supérieur.
Cet exercice peut montrer que la consigne avait besoin de limites plus claires. Il peut aussi révéler une limite qui exige une autre approche. Les deux conclusions sont utiles lorsqu'elles reposent sur une comparaison réelle. Fournir un meilleur prompt ou des exemples n'est pas la même activité que modifier les paramètres appris d'un modèle.
Mika est un pseudonyme éditorial utilisé par l'équipe éditoriale de KENJTEC à Hambourg. Cet article propose un workflow ; il ne rend pas compte d'un test achevé.
