Dall’ingegneria tempestiva all’architettura tempestiva
Riassumere.
È iniziato con una sola parola.
Non soddisfatti dei risultati, abbiamo riprovato.
Riassumi i punti più importanti dell’articolo.
Il prompt engineering ci insegna che i prompt più specifici sono migliori.
Individua le tre argomentazioni più importanti avanzate nell’articolo e valuta la forza dell’argomentazione dell’autore sulla base delle prove fornite. Ci sono punti in cui ritieni che l’argomentazione potrebbe essere più forte o più convincente?
Nel corso del tempo, abbiamo imparato a includere maggiori dettagli per guidare i nostri LLM preferiti a fornire le risposte migliori.
Le tecniche di ingegneria rapida stanno diventando sistemi sempre più complessi ed elaborati, a volte costituiti da molti componenti. La definizione di ingegneria tempestiva potrebbe essere limitante nel definire sistemi così complessi.
In questo articolo, voglio proporre un’etichetta più accurata per i sistemi multicomponente che si interfacciano con gli LLM:
Architettura tempestiva.
La storia dell’ingegneria rapida
I modelli linguistici moderni hanno sviluppato un’impressionante capacità di affrontare compiti nuovi dopo aver visto solo un paio di esempi. Questa capacità si chiama apprendimento contestuale, ed è il motivo principale per cui il nostro prompt engineering funziona così bene.
I ricercatori ritengono che l’apprendimento in contesto funzioni perché la formazione preliminare insegna al modello le competenze generali necessarie per i compiti linguistici. Poi, al momento del test, deve solo riconoscere lo schema e applicare le sue abilità. I modelli più grandi lo fanno ancora meglio, rendendoli sorprendentemente adattabili a vari compiti legati al linguaggio naturale. (2)
In passato, avresti avuto bisogno di migliaia di esempi etichettati per mettere a punto un modello linguistico per una nuova attività. Ma con l’apprendimento in contesto, puoi fornire al modello la descrizione dell’attività nella sua finestra di contesto e…
Fonte: towardsdatascience.com
