Prompt Engineering ChatGPT Basics

مهندس الطبقة الدراسية-Basics

؟ تم إنشاء نصوص الأمثلة في المستودع بواسطة ChatGPT.

نماذج اللغة الكبيرة هي نماذج تعلم آلي يتم تدريبها على كميات كبيرة من البيانات النصية لفهم لغة تشبه الإنسان وإنشائها. تستخدم هذه النماذج تقنيات التعلم العميق ، مثل الشبكات العصبية ، لتعلم أنماط وهياكل اللغة. تتضمن عملية التدريب تغذية النموذج بكميات هائلة من البيانات النصية ، مثل الكتب والمقالات وصفحات الويب ، لتعلم الأنماط الإحصائية للغة.

الهندسة المطالبة هي عملية تصميم وتحسين المطالبات لنموذج لغة كبير (LLM) لتحقيق مهام أو أهداف محددة. LLMS هي نماذج ذكية اصطناعية قوية يمكنها توليد نص تشبه الإنسان ، والهندسة الفورية ضرورية لضمان أن النموذج ينتج استجابات دقيقة وذات صلة.

تتضمن هندسة المطالبة عدة خطوات ، بما في ذلك اختيار المطالبات الصحيحة ، وصقل النموذج ، واختبار الإخراج. التعويضية مهمة ، ولكن من الواضح أنها لا تعادل المطالبات القصيرة في الهندسة المطالبة. يمكن أن تكون المطالبات بسيطة أو معقدة ، اعتمادًا على المهمة المطروحة.

ونتيجة لذلك ، تعد الهندسة المطالبة مكونًا مهمًا لتطوير LLM وهو ضروري لضمان أن النموذج ينتج استجابات دقيقة وذات صلة.

التقنيات المطالبة

تعتبر التقنيات الصفراء والتقنيات المطابقة للقطعة القليلة من أكثر الطرق شعبية وفعالية لتوليد النص باستخدام الذكاء الاصطناعي. تعتمد هذه التقنيات على فكرة تدريب نموذج لغة على كمية صغيرة من البيانات ثم استخدامها لإنشاء نص بناءً على مطالبة.

تتضمن تقنيات مطالبة الصفر باستخدام نموذج لغة تم تدريبه مسبقًا لإنشاء نص دون أي تدريب إضافي. هذا يعني أن النموذج قد تم تدريبه بالفعل على مجموعة كبيرة من النص ويمكنه إنشاء نص في مجموعة متنوعة من الأنماط والتنسيقات. لاستخدام موجه صفر ، يمكنك ببساطة تزويد النموذج بمطالبة وسيقوم بإنشاء نص بناءً على فهمه للغة.

من ناحية أخرى ، تتضمن تقنيات مطالبة الطلقة القليلة تدريب نموذج لغة على كمية صغيرة من البيانات قبل استخدامها لإنشاء نص. يتيح هذا للنموذج تعلم أنماط وأنماط لغة محددة ذات صلة بالمهمة المطروحة. لاستخدام موجه قليلة ، يمكنك تزويد النموذج بكمية صغيرة من بيانات التدريب ثم استخدامه لإنشاء نص بناءً على مطالبة.

كل من التقنيات الصفراء والطريق القليلة تتمتع بمزاياها وعيوبها. تكون مطالبات الصفر سريعة وسهلة الاستخدام ، لكنها قد لا تنشئ دائمًا نصًا ذا صلة بالمهمة المطروحة. تتطلب مطالبات القليل من اللقطة المزيد من بيانات التدريب ، ولكن يمكن أن تكون أكثر دقة وإنشاء نص أكثر صلة بالمهمة.

بشكل عام ، تعد كل من التقنيات المذهلة الصفرية والقطعة القليلة أدوات قوية لتوليد النص باستخدام الذكاء الاصطناعي. من خلال فهم نقاط القوة والضعف في كل تقنية ، يمكنك اختيار النقاط الأكثر ملاءمة لاحتياجاتك وإنشاء نص عالي الجودة يلبي متطلباتك المحددة.

معلمات المطالبة

معلمة درجة الحرارة هي جانب حاسم في نماذج اللغة الكبيرة (LLMs) التي تحدد مستوى العشوائية والإبداع في النص الذي تم إنشاؤه. يتحكم في درجة عدم اليقين في تنبؤات النموذج ، مما يسمح له بإنتاج مخرجات أكثر تنوعًا ومتنوعة. تؤدي قيمة درجة الحرارة المرتفعة إلى استجابات غير متوقعة وخيال ، في حين أن قيمة درجة الحرارة المنخفضة تنتج مخرجات أكثر تحفظًا ويمكن التنبؤ بها.

TOP_P هي معلمة تستخدم في نماذج اللغة الكبيرة (LLMS) للتحكم في تنوع النص الذي تم إنشاؤه. يحدد عتبة الاحتمال لتحديد الكلمة التالية في النص الذي تم إنشاؤه. كلما ارتفعت قيمة TOP_P ، كلما كان النص الذي تم إنشاؤه أكثر تنوعًا. على العكس ، ستؤدي قيمة TOP_P المنخفضة إلى نص أكثر قابلية للتنبؤ.

ملاحظة: النصيحة العامة هي استبدال واحد فقط ، وليس كلاهما.

دليل الريبو

1. المطالبات الأساسية

• 1.1 تلخيص
• 1.2 تصنيف النص
• 1.3 الترجمة
• 1.4 توليد الكود

2. محادثة مع chatgpt

تثبيت

تثبيت مكتبة Openai Python:

 !pip install openai

يجب تكوين المكتبة باستخدام المفتاح السري لحسابك. يمكنك العثور عليه على هذا الموقع.

استنساخ المستودع من جيثب:

 $ git clone https://github.com/miraytopal/Prompt-Engineering-ChatGPT-Basics

المادة المتوسطة

يمكنك الوصول إلى مقالتي المتوسطة حول هذا الموضوع هنا.

؟مصادر:

• chatgpt هندسة موجهة للمطورين
• دليل الهندسة الفوري
• أفضل الممارسات للهندسة السريعة مع Openai API

مصادر إضافية:

الأوراق:

• التقنيات المطالبة