Jak vzniká „vědění“ jazykového modelu?

Modely čtou velké množství textů a díky tomu se učí, jak funguje psaný text. Jak se tvoří slova, věty, souvětí. Při tomto strojovém učení také probíhá určitá „memorizace“ informací.

Jasnost a konkrétnost: Podnět by měl být co nejjasnější a nejkonkrétnější. Někdy může být užitečné poskytnout AI kontext nebo představit situaci, aby byl výstup co nejpřesnější.

Definice formátu: Pomáhá k lepšímu ukotvení celkového výsledku (článek, odstavec, perex, analýza, příspěvek na sociální sítě…)

Rozsah a hloubka odpovědi: Pokud očekáváte odpověď s konkrétním rozsahem nebo hloubkou, uveďte to (stručný přehled / podrobná analýza).

Iterace a testování: Vývoj podnětů je postupný proces. Může být potřeba několik pokusů, než najdete ten správný prompt, který poskytne očekávaný výstup. Nebojte se AI opravovat, přemlouvat…

Respektování etických pravidel: Při tvorbě podnětů je důležité dodržovat etická pravidla.

Sekvenční promptování: Místo toho, aby se vše pokusilo zařadit do jednoho promptu, můžete použít sérii promptů, které postupně navigují model k požadované odpovědi. To může zahrnovat kladení otázek, aby se ujasnil kontext, nebo postupné vyžádání detailnějších informací.

Meta instrukce: instrukce, které explicitně říkají modelu, jak by měl zpracovat prompt (přemýšlej kreativně, analyzuj…).

Hierarchické promptování: Nejdříve modelu položte několik širokých otázek a poté se na základě specifičtějších otázek dostávejte ke konkrétním detailům.