ต่อไปนี้เป็นเทคนิคทางวิศวกรรมพร้อมท์ขั้นสูงที่สำคัญบางประการสำหรับงานเขียนโค้ดด้วยโมเดลภาษาขนาดใหญ่:
1. การทำความเข้าใจการตีความโมเดลของคำถามที่เกี่ยวข้องกับการเขียนโค้ด: สิ่งนี้เกี่ยวข้องกับการมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับแนวคิดการเขียนโปรแกรม และสามารถสื่อสารแนวคิดเหล่านั้นในลักษณะที่โมเดลสามารถประมวลผลได้อย่างมีประสิทธิภาพ เป้าหมายคือการสร้างการแจ้งเตือนที่สอดคล้องกับการนำเสนอภายในและกลไกความสนใจของโมเดล[1]
2. Prompt Chaining และ Multi-Turn Prompting: แบ่งงานการเขียนโค้ดที่ซับซ้อนออกเป็นลำดับของพร้อมท์ โดยที่เอาต์พุตของพร้อมท์หนึ่งจะถูกนำมาใช้เป็นอินพุตสำหรับรายการถัดไป ซึ่งช่วยให้โมเดลสามารถจัดการงานได้ทีละขั้นตอน[2][3]
3. การเตือนแบบลูกโซ่แห่งความคิด (CoT): ให้ตัวอย่างการให้เหตุผลแบบทีละขั้นตอนแก่โมเดลเพื่อแก้ไขปัญหา โดยชี้แนะให้โมเดลสร้างลูกโซ่ของการให้เหตุผลของตัวเอง[4] [5] สิ่งนี้แสดงให้เห็นแล้วว่าสามารถปรับปรุงประสิทธิภาพในงานการให้เหตุผลที่ซับซ้อนได้อย่างมีนัยสำคัญ
4. การแจ้งความสอดคล้องในตนเอง: ส่วนขยายของ CoT ที่มีการสุ่มตัวอย่างเส้นทางการให้เหตุผลหลายเส้นทาง และเลือกคำตอบที่สอดคล้องในตัวเองมากที่สุด สิ่งนี้มีประโยชน์สำหรับปัญหาปลายเปิดที่มีวิธีแก้ปัญหาที่ถูกต้องหลายประการ[4]
5. วิศวกรรมพร้อมท์อัตโนมัติ (APE): เทคนิคที่ถือว่าพรอมต์นั้นเป็น "โปรแกรม" ที่จะปรับให้เหมาะสม โดยใช้แบบจำลองภาษาเพื่อสร้างและค้นหาพร้อมท์ของผู้สมัครเพื่อค้นหาอันที่มีประสิทธิภาพมากที่สุดสำหรับงานที่กำหนด [5]
6. การให้บริบทและตัวอย่างที่เกี่ยวข้อง: การรวมข้อมูลเฉพาะโดเมน แนวทางสไตล์การเขียนโค้ด และตัวอย่างอินพุต-เอาท์พุตในข้อความแจ้งสามารถช่วยกำหนดทิศทางโมเดลไปสู่การสร้างโค้ดที่แม่นยำและเกี่ยวข้องมากขึ้น[1][3]
กุญแจสำคัญคือการทดลองซ้ำๆ ด้วยการออกแบบ การทดสอบ และการปรับแต่งที่รวดเร็ว เพื่อค้นหาคำแนะนำที่มีประสิทธิภาพสูงสุดสำหรับงานเขียนโค้ดและโมเดลภาษาเฉพาะของคุณ วิศวกรรมพร้อมท์ที่ระมัดระวังสามารถเพิ่มขีดความสามารถของโมเดลภาษาขนาดใหญ่สำหรับความช่วยเหลือด้านการเขียนโค้ดได้อย่างมาก
[1] วิศวกรรมที่รวดเร็วสำหรับงานเขียนโค้ด - สู่วิทยาศาสตร์ข้อมูล[2] เทคนิควิศวกรรมขั้นสูงพร้อมท์ - Mercity AI[3] วิศวกรรมพร้อมท์ในปี 2024: เทคนิค การใช้งาน และขั้นสูง... - ลูกโอ๊ก[4] วิศวกรรมพร้อมท์ขั้นสูง: มันเกี่ยวข้องกับอะไร? - DataScientest.com[5] prompts-advanced-usage.md - GitHub
การอ้างอิง:[1] https://towardsdatascience.com/prompt-engineering-llms-coding-chatgpt-artificial-intelligence-c16620503e4e?gi=54ae68d69ee0
[2] https://www.mercity.ai/blog-post/advanced-prompt-engineering-techniques
[3] https://www.acorn.io/resources/learning-center/prompt-engineering
[4] https://datascientest.com/en/advanced-prompt-engineering-what-does-it-involve
[5] https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-advanced-usage.md
-