Prompt Engineering ChatGPT Basics
1.0.0
？リポジトリの例のテキストは、chatgptによって生成されました。
大規模な言語モデルは、人間のような言語を理解して生成するために、大量のテキストデータでトレーニングされた機械学習モデルです。これらのモデルは、神経ネットワークなどの深い学習技術を使用して、言語のパターンと構造を学習します。トレーニングプロセスでは、言語の統計パターンを学ぶために、本、記事、Webページなどの膨大な量のテキストデータをモデルに供給することが含まれます。
迅速なエンジニアリングは、特定のタスクまたは目標を達成するための大規模な言語モデル（LLM）のプロンプトを設計および最適化するプロセスです。 LLMは、人間のようなテキストを生成できる強力な人工知能モデルであり、モデルが正確で関連性のある応答を生成するためには、迅速なエンジニアリングが不可欠です。
プロンプトエンジニアリングには、適切なプロンプトの選択、モデルの微調整、出力のテストなど、いくつかのステップが含まれます。クリアリティは重要ですが、明らかにプロンプトエンジニアリングの短いプロンプトと同等ではありません。プロンプトは、手元のタスクに応じて、シンプルまたは複雑な場合があります。
その結果、迅速なエンジニアリングはLLM開発の重要な要素であり、モデルが正確で関連性のある応答を生成するために不可欠です。
ゼロショットと少数のショットプロンプトテクニックは、人工知能を使用してテキストを生成するための最も人気のある効果的な方法の2つです。これらの手法は、言語モデルを少量のデータでトレーニングし、それを使用してプロンプトに基づいてテキストを生成するという考えに基づいています。
ゼロショットプロンプトテクニックには、事前に訓練された言語モデルを使用して、追加のトレーニングなしでテキストを生成することが含まれます。これは、モデルがすでに大きなテキストのコーパスでトレーニングされており、さまざまなスタイルや形式でテキストを生成できることを意味します。ゼロショットプロンプトを使用するには、モデルにプロンプトを提供するだけで、言語の理解に基づいてテキストが生成されます。
一方、少数のショットプロンプトテクニックには、テキストを生成するために使用する前に、少量のデータで言語モデルをトレーニングすることが含まれます。これにより、モデルは、手元のタスクに関連する特定のパターンとスタイルの言語を学習できます。いくつかのショットプロンプトを使用するには、モデルに少量のトレーニングデータを提供し、それを使用してプロンプトに基づいてテキストを生成します。
ゼロショットと少数のショットのプロンプトテクニックには、利点と短所があります。ゼロショットプロンプトは迅速かつ使いやすいですが、目前のタスクに関連するテキストを常に生成するとは限りません。少数のショットプロンプトにはより多くのトレーニングデータが必要ですが、それらはより正確で、タスクにより関連するテキストを生成することができます。
全体として、ゼロショットと少数のショットプロンプトテクニックの両方は、人工知能を使用してテキストを生成するための強力なツールです。各手法の長所と短所を理解することにより、ニーズに最適なものを選択し、特定の要件を満たす高品質のテキストを生成できます。
温度パラメーターは、生成されたテキストのランダム性と創造性のレベルを決定する大きな言語モデル（LLMS）の重要な側面です。モデルの予測の不確実性の程度を制御し、より多様で多様な出力を生成できるようにします。温度値が高いと予測不可能で想像力豊かな反応が生じますが、温度値が低いと予測可能な出力が生成されます。
TOP_Pは、生成されたテキストの多様性を制御するために、大規模な言語モデル（LLMS）で使用されるパラメーターです。生成されたテキストで次の単語を選択するための確率のしきい値を決定します。 TOP_P値が高いほど、生成されたテキストがより多様になります。逆に、TOP_P値が低いと、より予測可能で反復的なテキストが生じます。
注：一般的なアドバイスは、両方ではなく1つだけを交換することです。
Openai Pythonライブラリをインストールします。
!pip install openai
ライブラリは、アカウントのシークレットキーで構成する必要があります。このウェブサイトで見つけることができます。
Githubからリポジトリをクローンします。
$ git clone https://github.com/miraytopal/Prompt-Engineering-ChatGPT-Basics
このテーマに関する私の中程度の記事にアクセスできます。
論文：
