Контекст — это исходные условия вопроса, которые влияют на то, какой ответ мы получим. Он помогает GPT сориентироваться, где искать составляющие ответа и как его презентовать.
Это важно, поскольку при разном контексте модель даст разные ответы на одинаковые вопросы. И это довольно естественное поведение — покажем на примере.
Представьте, вы профессор физики. К вам подходят первоклашка, восьмиклассник и студент и интересуются: «А почему небо голубое?» Хороший преподаватель ответит на вопрос так, чтобы спрашивающий точно понял ответ и ему хватило знаний его осмыслить. Вот и с языковыми моделями так же.
Обычно контексты включают четыре элемента:
- Позиционная роль.
- Целевая аудитория.
- Цели и использование.
- Иные вводные условия.
Давайте рассмотрим их подробнее.
Позиционная роль
Это детализация того, какую роль должна занять языковая модель в ходе ответа или диалога. Роли могут быть социальными, социально-экономическими, профессиональными или иными.
Один из вариантов позиционности — выбор конкретного лица, чей ответ нам был бы важен. Например, мы хотим, чтобы GPT отвечала от имени исторического персонажа. Поэкспериментируйте сами, чтобы лучше понять, о чём идёт речь.
Ответь c позиции опытного преподавателя.
Ты — практикующий программист на Python.
Ответь как самурай из XVIII века.
Целевая аудитория
Подсказка целевой аудитории помогает нам получать ответ, адаптированный под определённый уровень знаний. Это важно, если мы, например, готовим материал для урока с младшими школьниками, а GPT выдаёт текст, с которым без трёх курсов технического университета не разобраться.
Мы можем выбрать как достаточно широкую аудиторию, так и более специализированную. Например, зафиксировать, что ответ нужен для студентов или для иностранных студентов IT-направлений в российских университетах.
Ответь для детей младшего школьного возраста.
Ответ нужен для студентов гуманитарных направлений.
Цели и использование
Также важно подсказать GPT, где и как мы будем использовать её ответ. Это поможет нейросети сориентироваться, как лучше подавать информацию.
Вот пример: представьте, что вас попросили собрать материал о творчестве Сурикова. Это не проблема, проблема — как его подавать. Где он будет использоваться? В реферате? Для выступления на открытии выставки художника? На научной конференции?
То есть тема может быть одна и та же, а вот её «окружение» будет различаться. И от окружения будет зависеть подача и форма информации.
Ответ нужен для аннотирования научной статьи.
Результат буду использовать как рекламный материал.
Иные вводные условия
Это может быть любая важная для нас информация.
Например, мы можем напрямую задать тематический контекст нашего общения или рассказать предысторию, как возник вопрос. Тут важно знать меру — стоит выбрать нечто действительно важное, что оказывает результат на размышление над вопросом или получаемым ответом.
Я пишу книгу о будущем, где технологии интегрированы в повседневную жизнь. Предложи три названия книги.
То есть у вас должна быть причина для расширения контекста. Потому что в противном случае есть риск создать «шум» в вопросе и ухудшить в итоге ответ от GPT.
***
Теперь вы знаете, как точнее настраивать стилистику и уровень сложности ответов языковой модели. А в следующем параграфе мы поговорим о том, как настраивать формат ответа — и получать не просто текст, а, например, таблицы или кулинарные рецепты.