Zde jsou klíčové rozdíly mezi automatickým rychlým inženýrstvím (APE) a tradičním rychlým inženýrstvím:
1. Automatizace vs. manuální úsilí:
- Automatic Prompt Engineering (APE): Automatizuje proces vytváření a optimalizace promptů pomocí jazykových modelů. Generuje, vyhodnocuje a zpřesňuje výzvy bez ručního zásahu.
- Traditional Prompt Engineering: Spoléhá na ruční úsilí lidských expertů při navrhování, testování a opakování výzev.
2. Škálovatelnost:
- APE: Dokáže rychle generovat a vyhodnocovat velké množství výzev, díky čemuž je škálovatelnější než ruční inženýrství výzev.
- Traditional Prompt Engineering: Omezeno časem a úsilím potřebným pro ruční rychlé navrhování a testování.
3. Přizpůsobivost:
- APE: Dokáže dynamicky přizpůsobovat výzvy na základě zpětné vazby a výkonu, což umožňuje neustálé zlepšování.
- Traditional Prompt Engineering: Výzvy jsou statičtější a vyžadují ruční aktualizace, aby se přizpůsobily měnícím se požadavkům nebo možnostem modelu.
4. Objektivita vs. subjektivita:
- APE: K výběru nejúčinnějších výzev používá automatické skórování a vyhodnocovací metriky, čímž se snižuje vliv lidských předsudků.
- Tradiční rychlé inženýrství: Více se spoléhá na subjektivní úsudek a odbornost lidských rychlých inženýrů.
5. Výpočetní zdroje:
- APE: Vyžaduje značné výpočetní zdroje a přístup k výkonným jazykovým modelům pro generování a vyhodnocování výzev.
- Traditional Prompt Engineering: Obecně méně náročné na výpočetní výkon, ale může být omezeno dostupností lidských expertů.
6. Složitost výzev:
- APE: Zvládne generování a optimalizaci složitějších, vícekrokových výzev, které může být pro člověka obtížné navrhnout ručně.
- Tradiční výzvové inženýrství: Výzvy jsou často jednodušší a přímočařejší, protože jsou vytvářeny lidskými odborníky.
Stručně řečeno, automatické rychlé inženýrství využívá schopnosti jazykových modelů k automatizaci a škálování procesu rychlého návrhu, zatímco tradiční rychlé inženýrství spoléhá více na manuální úsilí a lidské znalosti. Volba mezi těmito dvěma přístupy závisí na konkrétních požadavcích, zdrojích a složitosti daného úkolu.
Citace:[1] https://arxiv.org/html/2401.14423v4
[2] https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-advanced-usage.md
[3] https://towardsdatascience.com/automated-prompt-engineering-78678c6371b9?gi=6eeb1dfd344d
[4] https://www.e2enetworks.com/blog/a-guide-to-prompt-engineering-from-zero-shot-to-chain-of-thought
[5] https://datascientest.com/en/advanced-prompt-engineering-what-does-it-involve