プロンプトエンジニアリングは、大規模な言語モデル(GPTモデルとも呼ばれる)からより良い結果を得るための戦略と戦術を共有する手法です。ここでは、その基本的な考え方と具体的な手法を初心者向けに解説します。
1. クリアな指示を書く
モデルはあなたの考えを読み取ることはできません。出力が長すぎる場合は、簡潔な回答を求めてみてください。出力が単純すぎる場合は、専門家レベルの文章を求めてみてください。また、出力の形式が気に入らない場合は、希望する形式を示してみてください。モデルがあなたの求めるものを推測する必要が少なければ少ないほど、あなたが求める結果を得る可能性が高まります。
2. タスクを完成させるための手順を明示する
一部のタスクは、一連の手順として最適に指定されます。手順を明示的に書き出すことで、モデルがそれらを追うのが容易になります。
3. 例を提供する
一般的な指示を提供することは、すべての例に適用可能で、タスクのすべての変形を例示するよりも効率的です。しかし、一部のケースでは、例を提供する方が簡単かもしれません。これは「フューショット」プロンプトと呼ばれます。
4. 出力の目標長を指定する
モデルに特定の目標長で出力を生成するように求めることができます。目標とする出力の長さは、単語数、文数、段落数、箇条書きの数などで指定できます。
5. 参照テキストを提供する
信頼できる情報をモデルに提供し、その情報を使用して回答を作成するように指示することができます。
6. 複雑なタスクをより単純なサブタスクに分割する
ソフトウェアエンジニアリングで複雑なシステムを一連のモジュラーなコンポーネントに分解するのが良い実践であるのと同様に、言語モデルに提出するタスクについても同じことが言えます。
7. モデルに「考える」時間を与える
モデルにすぐに答えを出すよりも、答えを出すための時間を与える方が、より信頼性のある答えを得ることができます。これらの戦略と戦術を理解し、適用することで、大規模な言語モデルからより良い結果をもちろんです、以下に初心者向けにわかりやすく記事を作成します。