อะไรคือความแตกต่างที่สำคัญระหว่างวิศวกรรมพรอมต์อัตโนมัติ (APE) และวิศวกรรมพร้อมท์แบบดั้งเดิม

วิศวกรรมที่รวดเร็วแบบดั้งเดิมเป็นกระบวนการด้วยตนเองในการเขียนการกลั่นและการเพิ่มประสิทธิภาพภาษาธรรมชาติเพื่อให้ได้ผลลัพธ์ที่ดีขึ้นจากแบบจำลอง AI แบบกำเนิด มันเกี่ยวข้องกับผู้เชี่ยวชาญของมนุษย์ที่ออกแบบโดยการเลือกใช้ถ้อยคำบริบทคำแนะนำและตัวอย่างอย่างรอบคอบเพื่อกระตุ้นการตอบสนองที่เหมาะสมจาก AI กระบวนการขึ้นอยู่กับการทดลองและข้อผิดพลาดซ้ำ ๆ ซึ่งวิศวกรที่รวดเร็วปรับรายละเอียดเช่นการเลือกคำความยาวสไตล์หรือโครงสร้างตามผลลัพธ์ของโมเดลจนกว่าจะถึงผลลัพธ์ที่น่าพอใจ วิศวกรรมที่รวดเร็วแบบดั้งเดิมต้องการความเข้าใจว่าแบบจำลองภาษา AI มีพฤติกรรมและตอบสนองต่อคำแนะนำอย่างไรและมักจะมีกรอบเป็นศิลปะมากเท่ากับวิทยาศาสตร์ วิธีการด้วยตนเองนี้มีประโยชน์สำหรับงานที่บริบทและความแตกต่างกันนิดหน่อยทำให้สามารถควบคุมพฤติกรรม AI ได้ อย่างไรก็ตามอาจใช้เวลานานและถูก จำกัด โดยความคิดสร้างสรรค์และความสามารถของวิศวกรในการคาดการณ์การตีความแบบจำลอง

ในทางตรงกันข้ามวิศวกรรมพรอมต์อัตโนมัติ (APE) ใช้ประโยชน์จากอัลกอริธึม AI และโมเดลภาษาขนาดใหญ่เพื่อทำให้การสร้างการทดสอบและการเพิ่มประสิทธิภาพของพรอมต์โดยอัตโนมัติลดหรือไม่จำเป็นต้องได้รับพรจากมนุษย์ การสร้างเฟรม APE เป็นปัญหาการเพิ่มประสิทธิภาพกล่องดำซึ่งระบบ AI สร้างการแจ้งเตือนผู้สมัครหลายคนตามตัวอย่างอินพุตเอาท์พุทประเมินประสิทธิภาพของพวกเขาและทำการปรับแต่งซ้ำ ๆ ด้วยกลไกการตอบรับเช่นการเรียนรู้การเสริมแรงหรือการเพิ่มประสิทธิภาพตามการไล่ระดับสี ระบบอัตโนมัตินี้ช่วยให้การสร้างและการประเมินผลการเปลี่ยนแปลงที่รวดเร็วนับพันในระดับเป็นสิ่งที่ไม่สามารถทำได้สำหรับวิศวกรรมด้วยตนเอง อัลกอริทึม APE ใช้รูปแบบที่สอดคล้องกันที่เรียนรู้จากชุดข้อมูลขนาดใหญ่ปรับตัวให้เข้ากับงานใหม่แบบไดนามิกและปรับปรุงการแจ้งเตือนอย่างต่อเนื่องในวงตอบรับอย่างต่อเนื่อง สิ่งนี้จะช่วยลดการลงทุนเวลาของมนุษย์และเพิ่มคุณภาพที่รวดเร็วโดยเฉพาะอย่างยิ่งในสถานการณ์ที่ต้องปรับเปลี่ยนพฤติกรรมหรือบริบทของแบบจำลองที่พัฒนาขึ้น

ความแตกต่างที่สำคัญระหว่าง APE และวิศวกรรมพร้อมท์แบบดั้งเดิม:

1. วิธีการ
วิศวกรรมที่รวดเร็วแบบดั้งเดิมเป็นกระบวนการประดิษฐ์ที่ขับเคลื่อนด้วยตนเองโดยอาศัยสัญชาตญาณทางภาษาความรู้โดเมนและการปรับแต่งซ้ำ ๆ ตามการตอบสนองแบบจำลอง ผู้ใช้ทดลองใช้ถ้อยคำคำแนะนำและรูปแบบเพื่อเป็นแนวทางในพฤติกรรม AI
อย่างไรก็ตามลิงใช้ระบบ AI เพื่อสร้างผู้สมัครที่รวดเร็วประเมินประสิทธิภาพของพวกเขาผ่านการทดสอบอัตโนมัติและปรับให้เหมาะสมผ่านเทคนิคต่าง ๆ เช่นการเรียนรู้การเสริมแรงหรือการสืบเชื้อสายการไล่ระดับสีโดยไม่ต้องมีการแทรกแซงของมนุษย์ในลูป

2. สเกลและความเร็ว
วิศวกรรมที่รวดเร็วแบบดั้งเดิมถูก จำกัด ด้วยความสามารถของมนุษย์ทำให้ช้าลงและปรับขนาดได้น้อยลง อาจต้องใช้การทำซ้ำด้วยตนเองหลายครั้งเพื่อให้ได้มาพร้อมกับที่ทำงานได้ดี
ลิงสามารถสร้างและทดสอบพรอมต์หลายพันครั้งอย่างรวดเร็วทำให้รอบการวนซ้ำเร็วขึ้นและสำรวจพื้นที่การค้นหาที่กว้างขึ้นเพื่อให้ได้พรอมต์ที่ดีที่สุด

3. ความสอดคล้องและคุณภาพ
คุณภาพวิศวกรรมที่พร้อมใช้งานด้วยตนเองแตกต่างกันไปตามทักษะความรู้และความคิดสร้างสรรค์ของวิศวกรซึ่งอาจนำไปสู่ความไม่สอดคล้องกันอย่างมีประสิทธิภาพ
APE ใช้กระบวนการเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วยข้อมูลที่สร้างคุณภาพที่สอดคล้องกันและทำซ้ำได้มากขึ้นลดอคติของมนุษย์และความแปรปรวนระหว่างเวอร์ชันพรอมต์

4. การปรับตัว
มนุษย์แก้ไขพรอมต์ด้วยตนเองเมื่อข้อกำหนดของงานหรือพฤติกรรมของแบบจำลองเปลี่ยนไปซึ่งอาจช้าลงและตอบสนองต่อความแตกต่างที่ละเอียดอ่อนหรือผลลัพธ์ที่ไม่คาดคิด
ระบบ APE ปรับตัวเข้ากับการเปลี่ยนแปลงอย่างรวดเร็วโดยการสร้างและปรับแต่งการแจ้งเตือนอย่างต่อเนื่องตามข้อมูลใหม่หรือการตอบสนองของโมเดล AI ที่อัปเดตอย่างต่อเนื่อง

5. การจัดสรรทรัพยากร
วิศวกรรมที่รวดเร็วแบบดั้งเดิมต้องการการมีส่วนร่วมของมนุษย์ความเชี่ยวชาญและเวลาที่สำคัญ
Ape โดยอัตโนมัติการสร้างและการประเมินผลซ้ำซ้ำ ๆ การปลดปล่อยผู้เชี่ยวชาญของมนุษย์ให้มุ่งเน้นไปที่งานเชิงกลยุทธ์ระดับสูงการแก้ปัญหาที่ซับซ้อนและบทบาทอื่น ๆ นอกเหนือจากการทำซ้ำ

6. เทคนิคพื้นฐาน
โดยทั่วไปแล้ววิศวกรรมพร้อมท์แบบดั้งเดิมมักใช้การทดลองและข้อผิดพลาดสัญชาตญาณทางภาษาและประสบการณ์ในการปรับปรุงการแจ้งเตือน
APE รวมวิธีการเรียนรู้ของเครื่องขั้นสูงเช่นการเพิ่มประสิทธิภาพกล่องดำการเรียนรู้การเสริมแรงและการเพิ่มประสิทธิภาพการไล่ระดับสีที่ใช้กับโทเค็นพร้อมใช้งานทำให้การปรับปรุงเชิงปริมาณเป็นระบบเพื่อการออกแบบที่รวดเร็ว

7. บริบทแอปพลิเคชัน
วิศวกรรมที่พร้อมท์แบบดั้งเดิมนั้นเหมาะสมกับโครงการที่มีการควบคุมบริบทโดยละเอียดการปรับแต่งอย่างสร้างสรรค์และคำแนะนำที่เหมาะสมยิ่งขึ้นมีความสำคัญหรือการตีความของมนุษย์เป็นสิ่งสำคัญ
APE เก่งในสภาพแวดล้อมที่มีปริมาณมากซ้ำซากหรือแบบไดนามิกที่ต้องการความสามารถในการปรับขนาดการปรับตัวอย่างรวดเร็วและการเพิ่มประสิทธิภาพในงานหรือชุดข้อมูลที่รวดเร็ว

8. การทำงานร่วมกันของมนุษย์-เอ
วิศวกรรมที่รวดเร็วแบบดั้งเดิมส่วนใหญ่เป็นกระบวนการที่มนุษย์นำโดยการตอบสนอง AI
ลิงแสดงให้เห็นถึงการมีปฏิสัมพันธ์อย่างใกล้ชิดซึ่ง AI ช่วยหรือแม้กระทั่งแทนที่ขั้นตอนการประดิษฐ์ที่รวดเร็วด้วยตนเองหลายขั้นตอนสร้างการออกแบบที่รวดเร็วซึ่งมนุษย์อาจไม่ได้ตั้งครรภ์ด้วยตนเอง