プロンプトエンジニアリングまとめ

プロンプトエンジニアリング一覧

COT ファミリー

チェーンの構造

チェーンのモダリティ

AoT

チェーンの信頼性

多数決

Faithful CoT

推論タスクを2段階に分解する

さらに、もっと多くのステップで考えてください

チェーンの分解

全体の問題を簡単な部分問題に分けて回答を得る

計画を立ててから実行せよ

フィードバック

CoTで気をつけるべきこと

外部の知識をかりるテクニック

タスクの助けとなるような知識を上手く生成し、解かせたい問題のプロンプトに統合する

汎用的なテクニック

質問を繰り返そう

Q: <質問> 質問をもう一度読む: <質問> A: ステップバイステップで考えてください

質問を言い換えて、拡張し、そして答えてください

Instruction InductionとBig-Bench、TruthfulQAで有効

NLUタスクで有効、(実験で、推論タスクでも効果あり)

タスクに特化したテクニック

要約

データ分析

推論

ステップバイステップより精度が高いテクニック

コードが必要なテクニック

判断に悩むテクニック

一発でバシッとプロンプトを作れるわけではなく、何度か対話を繰り返す手法。

少し手間で、現実的にはあまり使い所がないかもしれない

プロンプトの作り方がはっきりしない

subquestionとanswerを用意するのがかなり大変そう

タスクの開始とフィードバックに、Few-Shot例を複数用意する必要がある

工数がかかりすぎて、実用的ではない

一度英語に翻訳して、出力を得てから元の言語に戻す手法．

GPTが実験対象になっておらず、サイズが一桁小さい

プロンプトで気をつけること

⚠️スタイルで大きく変わってしまう

スペース、挨拶、感謝の追加、言い換えの変化、チップは回答精度に影響を与えない

出力形式は、何も指定しないが一番精度高く、ついで、JSON構造、リスト形式が高い

細かいプロンプトのフォーマットが、大きな違いを生んでくる

2つの出力を比較するとき、1番目か2番目かで位置バイアスがでてしまう。

⚠️トークン関連の制限問題

プロンプトの最初か最後に重要情報を入れた方が良い

⚠️ハルシネーション

/icons/hr.icon

もっと、たくさんのAI情報を知りたいあなたへ...

現在週に1度の頻度で、AIの最新情報や活用ノウハウを、メルマガ限定で発信しております。

一人でも多くの方にとって、「AI人材としてのスキルアップ」につながれば幸いです^^

また、現在、登録者限定で「AIをフル活用した新しい知的生産管理」の実演解説動画を配布中です 🎁

※ ご登録完了のメールに、URlのリンクを添付いたします。

以下のリンクから、ぜひお受け取りください👇