जब कोई एआई बार-बार आपका पसंदीदा परिणाम देने से चूक जाता है, तो प्रशिक्षण स्पष्ट अगला कदम लग सकता है। पहले विफलता का निदान करें। एक अस्पष्ट अनुरोध, छूटे हुए तथ्य और एक अनुपयुक्त उदाहरण — ये सभी किसी कार्य का मूल्यांकन कठिन बना सकते हैं।
किसी काल्पनिक पूछताछ के उत्तर को लें। आप चाहते हैं कि उत्तर अनुरोध की पावती दे, छूटे हुए विवरणों की सूची दे और उपलब्धता का वादा करने से बचे। “एक पेशेवर उत्तर लिखें” इन आवश्यकताओं को व्यक्त नहीं करता।
विफलता को नाम दें
अवांछित आउटपुट का एक उदाहरण रखें। सटीक समस्या चिह्नित करें: गढ़ी गई प्रतिबद्धता, छूटा हुआ प्रश्न, गलत प्रारूप या अनुपयुक्त लहजा। अलग-अलग समस्याओं के लिए अलग-अलग बदलावों की आवश्यकता हो सकती है। लहजा सुधारने से कोई छूटा हुआ स्रोत नहीं मिल जाएगा।
एक निर्देश में सुधार करें
काम को सरल भाषा में लिखें:
इस काल्पनिक पूछताछ का एक उत्तर तैयार करें। अनुरोध की पावती दें, फिर छूटी हुई तिथि और प्रतिभागियों की संख्या पूछें। कोई कीमत न गढ़ें और उपलब्धता की पुष्टि न करें। अंत में उन विवरणों का अनुरोध करें। उत्तर संक्षिप्त और मैत्रीपूर्ण रखें।
संबंधित स्रोत सामग्री अलग से जोड़ें। कार्य पूरा करना अनिवार्य प्रतीत कराने के बजाय सहायक को छूटी हुई जानकारी की सूचना देने का एक तरीका दें।
एक उपयोगी उदाहरण जोड़ें
ऐसा छोटा उदाहरण चुनें जिसके आप स्वामी हों या जिसका आप उपयोग कर सकते हों। बताएँ कि कौन-सी विशेषताएँ मायने रखती हैं: स्पष्ट पावती, ठोस प्रश्न, और बिना स्वीकृति वाली कोई प्रतिबद्धता नहीं। पुराने ऑफ़र या पहचान संबंधी ऐसी जानकारी हटा दें जो नए आउटपुट का हिस्सा नहीं बननी चाहिए।
कोई उदाहरण हर विवरण की नकल करने की अनुमति नहीं है। बताएँ कि कौन-से तथ्य वर्तमान कार्य से संबंधित हैं और कौन-सा भाग शैली को दर्शाता है।
एक निश्चित जाँच के आधार पर तुलना करें
मूल कार्य और संशोधित ब्रीफ़ का उपयोग ऐसी सामग्री पर करें जिसकी आप जाँच कर सकें। नामित विफलता के साथ-साथ नई समस्याओं पर भी ध्यान दें। पूरे उत्तर और संबंधित सेटिंग्स सुरक्षित रखें। यदि बेहतर ब्रीफ़ अब भी विफल रहता है, तो पूरी परियोजना का दायरा तुरंत बढ़ाने के बजाय शेष पैटर्न का वर्णन करें।
यह अभ्यास दिखा सकता है कि असाइनमेंट को बेहतर ढंग से तय दायरों की आवश्यकता थी। यह ऐसी सीमा भी दिखा सकता है जिसके लिए किसी अन्य दृष्टिकोण की आवश्यकता हो। वास्तविक तुलना पर आधारित होने पर दोनों में से कोई भी निष्कर्ष उपयोगी है। बेहतर प्रॉम्प्ट या उदाहरण देना किसी मॉडल के सीखे गए पैरामीटर बदलने जैसी गतिविधि नहीं है।
Mika हैम्बर्ग स्थित KENJTEC संपादकीय टीम द्वारा उपयोग किया जाने वाला एक संपादकीय उपनाम है। यह लेख एक वर्कफ़्लो प्रस्तावित करता है; यह किसी पूर्ण किए गए परीक्षण की रिपोर्ट नहीं करता।
