3.4. Формулирование задачи

Как создать такой промт, чтобы GPT нас поняла.

3.4.webp

Как вы могли заметить, описание задачи — это ядро промта. В нём концентрируется основное содержание нашего запроса: на какой вопрос мы ищем ответ или какое задание необходимо выполнить.

Чтобы модель могла сгенерировать более точный ответ, стоит соблюдать несколько простых принципов:

  • Ясность.
  • Ёмкость.
  • Логичность.
  • Наглядность.

Разберём каждый из них подробнее: с примерами плохих и хороших формулировок.

Ясность

Чем проще сформулирован вопрос, тем больше шансов, что модель даст на него понятный и применимый ответ.

Вот несколько принципов, которым стоит следовать:

  • Используйте короткие или средние предложения. Так вам будет проще уследить за мыслью и заметить неточности или противоречия.
  • Старайтесь использовать общеупотребимые термины или понятия. К сожалению, языковые модели пока не умеют хорошо обрабатывать узкоспециализированную лексику или сленг.
  • Не стоит использовать казённый, наукообразный язык или жаргонизмы — языковая модель вряд-ли сможет хорошо понять запрос и дать точный ответ. Исключение — ваша задача связана с такой лексикой. Если вы всё-таки используете её, то действуйте поэтапно, вводите термины друг за другом, чтобы вас понял даже тот, кто слышит их впервые.

Плохая формулировка:

Есть такие трансцендентные терминологические единицы. Они определены как понятийные ряды, которых нет в природе. Их используют в философских догматах позднего периода. Что это?

Хорошая формулировка:

Объясни смысл понятия «симулякр» и укажи, кем был предложен термин.

Ёмкость

Как и в повседневном общении, важно найти баланс между лаконичностью фразы и заложенным смыслом.

Лаконичность формулировок помогает GPT лучше фокусироваться на сути вопроса, не теряя основную мысль и не забывая её при диалоге.

Вот как можно сделать описание задачи более ёмким:

  • Когда вы закончили составлять промт, перечитайте текст и оцените, насколько легко его понять? Все ли слова несут смысл? Лишние можно убрать.
  • Также можно убрать всё, что не соответствует описанию задачи и не несёт смысловую нагрузку.

Плохая формулировка:

Будь так любезна, дорогая нейросеть, подскажи-расскажи мне пару идеек про то, как можно было бы поступить с определением структуры ядерного элемента звезды по имени Солнце.

Хорошая формулировка:

Представь перечень химических элементов ядра Солнца.

Логичность

Мы можем помочь GPT правильно выстроить цепочку рассуждений, если у запроса будет последовательная структура.

Чтобы сделать запрос более логичным, следует:

  • Разделить задачу и условие, а также выделить логические блоки.
  • Избавиться от логических повторов, одинаковых по смыслу частей запроса.
  • Структурировать задачу в виде списка — нумерованного или ненумерованного.

Плохая формулировка:

Собери всю информацию. По примеру. Проанализируй, как устроена задача. Берём Python. Нужно сделать генерацию задачи. Опираясь на образец. После анализа ориентируемся на стартовый уровень.

Хорошая формулировка:

Сгенерируй условия учебной задачи по программированию:
- тема задачи: переменные;
- язык программирования: Python;
- уровень сложности: начинающий.

Наглядность

Чтобы убедиться, что языковая модель правильно поняла задачу, стоит дать ей пример — или даже несколько. Особенно такие примеры полезны для конструкционных задач (о них мы говорили в предыдущем параграфе).

Обычно вначале пишется сама задача, а потом даётся пример. Если примеры короткие, то можно дать несколько. Пример может отображать как логику нашего запроса, так и формат его подачи.

Плохая формулировка:

Составь 3 уравнения.

Хорошая формулировка:

Создай 3 уравнения с решениями по примеру.

Примеры:
Уравнение: 2x + 1 = 5

Решение:
2x = 5 − 1
x = 4/2
x = 2
Ответ: 2


В большинстве случаев достаточно просто добавить пример в запрос. Однако не лишним бывает и напрямую указать на необходимость использования примера. Для этого можно применять фразы «используй пример», «на основании примера» и подобные.

Теперь вы знаете, как поставить задачу языковой модели и получить желаемый результат.

В следующем параграфе мы переключимся с задач на контекст — помните, когда мы просили модель представить себя переводчиком или учителем? Расскажем, зачем это нужно и как может улучшить качество ответов.

Отмечайте параграфы как прочитанные чтобы видеть свой прогресс обучения

Предыдущий параграф3.3. Типы задач

Краткая классификация — с чем нам может помочь GPT.

Следующий параграф3.5. Контекст

Помогаем GPT понять, для кого она готовит ответ — и почему это важно.