ChatGPT : Les 8 Techniques de Suggestion que Vous Devez Apprendre (Sans Blabla !)

Vous avez peut-être déjà entendu parler de l'ingénierie prompt. Essentiellement, il s'agit de "communiquer efficacement avec une IA pour obtenir ce que vous voulez".

La plupart des gens ne savent pas comment formuler de bonnes questions.

Cependant, c'est de plus en plus une compétence importante…
Parce que les déchets en entrée = les déchets en sortie.

Voici les techniques les plus importantes dont vous avez besoin pour inciter 👇

Je vais faire référence à un modèle de langue comme « LM ».

Des exemples de modèles de langage sont ChatGPT d'@OpenAI et Claude d'@AnthropicAI.

1. Personne/rôle incitant

Attribuer un rôle à l'IA.

Exemple : "Vous êtes un expert en X. Vous avez aidé les gens à faire Y pendant 20 ans. Votre tâche est de donner les meilleurs conseils sur X.
Répondez ‘compris’ si c'est bien compris."

Un puissant complément est le suivant :

'Vous devez toujours poser des questions avant de répondre, afin de mieux comprendre ce que recherche la personne qui pose la question.'

Je vais expliquer pourquoi c'est si important dans un instant.

2. CoT

CoT signifie "Chaîne de pensée"

Il est utilisé pour demander à l'LM d'expliquer son raisonnement.

Exemple :

3. Zero-shot-CoT

Zero-shot fait référence à un modèle effectuant des prédictions sans apprentissage supplémentaire dans la consigne.

Je passerai aux quelques prises de vue dans une minute.

Notez que généralement CoT > Zéro-shot-CoT

Exemple:

4. Few-shot (et few-shot-CoT)

Le few-shot est lorsque le LM reçoit quelques exemples dans le texte de départ afin qu'il puisse s'adapter plus rapidement à de nouveaux exemples.

Exemple :

5. Génération de connaissances

Génération de connaissances liées aux questions en incitant un modèle linguistique (LM).

Ceci peut être utilisé pour une invite de connaissance générée (voir ci-dessous).

Exemple :

6. Connaissance générée

Maintenant que nous avons des connaissances, nous pouvons les utiliser dans une nouvelle invite et poser des questions en rapport avec ces connaissances.

Une telle question est appelée une question "avec connaissances augmentées".

7. Cohérence interne

Cette technique est utilisée pour générer plusieurs chemins de raisonnement (chaînes de pensée).

La réponse la plus fréquente est considérée comme la réponse finale.

Exemple :

8. LtM

LtM signifie 'de Moins à Plus'

Cette technique est un complément de CoT. De plus, elle fonctionne en décomposant un problème en sous-problèmes, puis en les résolvant.

Exemple :