प्रॉम्प्ट डिज़ाइन से जुड़ी रणनीतियां

इस पेज पर, प्रॉम्प्ट डिज़ाइन करने की कुछ सामान्य रणनीतियों के बारे में बताया गया है. इनका इस्तेमाल, प्रॉम्प्ट डिज़ाइन करते समय किया जा सकता है.

भाषा के पैटर्न और संबंधों के बारे में जानने के लिए, बड़े लैंग्वेज मॉडल (एलएलएम) को बड़े पैमाने पर टेक्स्ट डेटा के आधार पर ट्रेनिंग दी जाती है. कुछ टेक्स्ट (प्रॉम्प्ट) दिए जाने पर, भाषा के मॉडल यह अनुमान लगा सकते हैं कि आगे क्या होने वाला है. जैसे, अपने-आप पूरा होने वाला एक बेहतरीन टूल.

• साफ़ और सटीक निर्देश दें
• कुछ ही शॉट वाले उदाहरण शामिल करें
• संदर्भ के हिसाब से जानकारी जोड़ना
• प्रीफ़िक्स जोड़ना
• मॉडल को आंशिक इनपुट पूरा करने देना

साफ़ तौर पर और सटीक निर्देश दें

मॉडल को निर्देश देना, मॉडल के व्यवहार को पसंद के मुताबिक बनाने का एक असरदार और बेहतर तरीका है. पक्का करें कि आपके निर्देश साफ़ और सटीक हों. निर्देश, चरण-दर-चरण निर्देशों की सूची के तौर पर आसान हो सकते हैं या उपयोगकर्ता के अनुभव और मनोस्थिति को मैप करने के तौर पर मुश्किल हो सकते हैं.

किया जाने वाला काम तय करें

उस टास्क के बारे में पूरी जानकारी दें जिसे आपको मॉडल से पूरा कराना है. यह टास्क, निर्देशों की सिलसिलेवार सूची जितना आसान हो सकता है या उपयोगकर्ता के अनुभव और मानसिकता को मैप करने जितना मुश्किल हो सकता है. नीचे दिए गए प्रॉम्प्ट में, मॉडल को टेक्स्ट के ब्लॉक की खास जानकारी देने के लिए कहा जाता है:

Summarize this text:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
  

    Quantum computers leverage the wave-particle duality of matter at tiny scales to perform
    calculations exponentially faster than traditional computers. They harness quantum phenomena,
    which are beyond the scope of classical physics, to achieve this speed advantage. While
    promising for applications like cybersecurity, weather forecasting, and beyond, current
    quantum computers are still experimental and not yet practical for widespread use.
  

कोई पाबंदी तय करना

प्रॉम्प्ट को पढ़ने या जवाब जनरेट करने से जुड़ी किसी भी पाबंदी के बारे में बताएं. मॉडल को यह बताया जा सकता है कि उसे क्या करना है और क्या नहीं. पिछले उदाहरण में, खास जानकारी, मूल टेक्स्ट से कम है. हालांकि, हो सकता है कि आपको खास जानकारी और भी कम शब्दों में चाहिए. इस मामले में, प्रॉम्प्ट में एक कंस्ट्रेंट तय किया जा सकता है कि आपको जवाब कितना लंबा रखना है:

Summarize this text in two sentences:
Text: A quantum computer exploits quantum mechanical phenomena to perform calculations exponentially
faster than any modern traditional computer. At very tiny scales, physical matter acts as both
particles and as waves, and quantum computing uses specialized hardware to leverage this behavior.
The operating principles of quantum devices is beyond the scope of classical physics. When deployed
at scale, quantum computers could be used in a wide variety of applications such as: in
cybersecurity to break existing encryption methods while helping researchers create new ones, in
meteorology to develop better weather forecasting etc. However, the current state of the art quantum
computers are still largely experimental and impractical.
    

      Quantum computers harness the wave-particle duality of matter at the quantum level to perform
      computations exponentially faster than traditional computers. While these machines hold
      immense potential for fields like cybersecurity and weather forecasting, they are currently
      in their early stages of development and not yet practical for widespread use.
    

जवाब का फ़ॉर्मैट तय करना

जवाब के फ़ॉर्मैट के बारे में बताने वाले निर्देश भी दिए जा सकते हैं. उदाहरण के लिए, आपके पास यह तय करने का विकल्प होता है कि जवाब को टेबल, बुलेट वाली सूची, एलिवेटर पिच, कीवर्ड, वाक्य या पैराग्राफ़ के तौर पर फ़ॉर्मैट किया जाए. यह सिस्टम मैसेज, मॉडल को निर्देश देता है कि वह अपने जवाब के दौरान ज़्यादा बातचीत करे:

    All questions should be answered comprehensively with details, unless the user requests a
    concise response specifically. Respond in the same language as the query.
  

    What is a smart way to create a lemonade business?
  

Launching a Successful Lemonade Stand: A Smart Approach
Creating a lemonade business, whether a simple stand or a larger operation, requires strategic thinking. Here's a breakdown of how to approach it smartly:

1. Define Your Business:
Scope: Are you aiming for a small, seasonal lemonade stand, a food truck, a delivery service, or something else entirely?
Target Audience: Who are you selling to? Families, office workers, tourists?
Unique Selling Proposition: What sets your lemonade apart? Special flavors, organic ingredients, a unique recipe?

Pricing: Research competitor prices and determine a profitable pricing structure.
Location: Consider foot traffic, accessibility, and regulations for your chosen location.
.....
  

खास जानकारी

• मॉडल को निर्देश दें कि उन्हें क्या करना है.
• निर्देशों को साफ़ और सटीक बनाएं.
• आउटपुट के लिए, कोई पाबंदी या फ़ॉर्मैटिंग की ज़रूरी शर्तें बताएं.

कम शॉट के उदाहरण शामिल करें

प्रॉम्प्ट में ऐसे उदाहरण शामिल किए जा सकते हैं जिनसे मॉडल को यह पता चल सके कि सही नतीजा कैसा दिखता है. मॉडल, उदाहरणों से पैटर्न और संबंधों की पहचान करने की कोशिश करता है. साथ ही, जवाब जनरेट करते समय उन्हें लागू करता है. जिन प्रॉम्प्ट में कुछ ही उदाहरण शामिल होते हैं उन्हें फ़्यू-शॉट प्रॉम्प्ट कहा जाता है. हालांकि, जिन प्रॉम्प्ट का कोई उदाहरण नहीं होता उन्हें ज़ीरो-शॉट प्रॉम्प्ट कहा जाता है. फ़ew-शॉट प्रॉम्प्ट का इस्तेमाल, अक्सर मॉडल के जवाबों के फ़ॉर्मैट, फ़्रेज़िंग, स्कोप या सामान्य पैटर्न को कंट्रोल करने के लिए किया जाता है. मॉडल को फ़ोकस करने और ज़्यादा सटीक नतीजे जनरेट करने में मदद करने के लिए, अलग-अलग और खास उदाहरणों का इस्तेमाल करें.

हमारा सुझाव है कि अपने प्रॉम्प्ट में हमेशा फ़्यू-शॉट के उदाहरण शामिल करें. कम उदाहरणों वाले प्रॉम्प्ट कम असरदार हो सकते हैं. अगर आपके उदाहरणों से, टास्क को साफ़ तौर पर समझा जा सकता है, तो प्रॉम्प्ट से निर्देश हटाए जा सकते हैं.

बिना उदाहरण के डाले गए प्रॉम्प्ट बनाम उदाहरण के साथ डाले गए प्रॉम्प्ट

ज़ीरो-शॉट प्रॉम्प्ट का यह प्रॉम्प्ट, मॉडल को सबसे सही जानकारी चुनने के लिए कहता है.

Please choose the best explanation to the question:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice crystals in the
atmosphere, which can combine and grow into snowflakes as they fall through the atmosphere and
accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  

Explanation 1 is the best explanation.
  

अगर आपके इस्तेमाल के उदाहरण में, मॉडल को कम शब्दों में जवाब देने की ज़रूरत है, तो प्रॉम्प्ट में ऐसे उदाहरण शामिल किए जा सकते हैं जिनमें कम शब्दों में जवाब देने को प्राथमिकता दी गई हो.

नीचे दिए गए प्रॉम्प्ट में दो उदाहरण दिए गए हैं, जिनमें कम शब्दों में दी गई जानकारी को प्राथमिकता दी गई है. इस जवाब में, यह देखा जा सकता है कि उदाहरणों ने मॉडल को, पहले की तरह ही लंबे एक्सप्लेनेशन (एक्सप्लेनेशंस1) के बजाय, छोटा एक्सप्लेनेशन (एक्सप्लेनेशन2) चुनने में मदद की.

Below are some examples showing a question, explanation, and answer format:

Question: Why is sky blue?
Explanation1: The sky appears blue because of Rayleigh scattering, which causes shorter blue
wavelengths of light to be scattered more easily than longer red wavelengths, making the sky look
blue.
Explanation2: Due to Rayleigh scattering effect.
Answer: Explanation2

Question: What is the cause of earthquakes?
Explanation1: Sudden release of energy in the Earth's crust.
Explanation2: Earthquakes happen when tectonic plates suddenly slip or break apart, causing a
release of energy that creates seismic waves that can shake the ground and cause damage.
Answer: Explanation1

Now, Answer the following question given the example formats above:

Question: How is snow formed?
Explanation1: Snow is formed when water vapor in the air freezes into ice crystals in the
atmosphere, which can combine and grow into snowflakes as they fall through the atmosphere and
accumulate on the ground.
Explanation2: Water vapor freezes into ice crystals forming snow.
Answer:
  

Answer: Explanation2
  

उदाहरणों की सही संख्या पता करना

सबसे बेहतर नतीजे पाने के लिए, प्रॉम्प्ट में दिए जाने वाले उदाहरणों की संख्या में बदलाव किया जा सकता है. Gemini जैसे मॉडल, कुछ उदाहरणों का इस्तेमाल करके पैटर्न को अक्सर पहचान सकते हैं. हालांकि, आपको यह पता लगाना पड़ सकता है कि कितने उदाहरणों से आपको मनमुताबिक नतीजे मिलेंगे. साथ ही, अगर आपने बहुत ज़्यादा उदाहरण शामिल किए हैं, तो हो सकता है कि मॉडल, उदाहरणों के रिस्पॉन्स को ओवरफ़िट करने लगे.

गलत पैटर्न के बजाय, सही पैटर्न दिखाने के लिए उदाहरणों का इस्तेमाल करना

मॉडल को कोई पैटर्न दिखाने के लिए उदाहरणों का इस्तेमाल करना, मॉडल को कोई एंटीपैटर्न दिखाने के लिए उदाहरणों का इस्तेमाल करने से ज़्यादा असरदार होता है.

⛔ नेगेटिव पैटर्न:

Don't end haikus with a question:
Haiku are fun
A short and simple poem
Don't you enjoy them?
  

✅ पॉज़िटिव पैटर्न:

Always end haikus with an assertion:
Haiku are fun
A short and simple poem
A joy to write
  

सभी उदाहरणों में एक जैसी फ़ॉर्मैटिंग का इस्तेमाल करना

पक्का करें कि फ़्यू-शॉट के उदाहरणों का स्ट्रक्चर और फ़ॉर्मैट एक जैसा हो, ताकि गलत फ़ॉर्मैट वाले जवाबों से बचा जा सके. प्रॉम्प्ट में कुछ शॉट वाले उदाहरण जोड़ने का एक मुख्य मकसद, मॉडल को जवाब का फ़ॉर्मैट दिखाना है. इसलिए, यह पक्का करना ज़रूरी है कि सभी उदाहरणों में एक जैसा फ़ॉर्मैट हो. खास तौर पर, एक्सएमएल टैग, खाली जगह, नई लाइन, और उदाहरण के लिए स्प्लिटर पर ध्यान दें.

खास जानकारी

• प्रॉम्प्ट में प्रॉम्प्ट रिस्पॉन्स के उदाहरण शामिल करने से, मॉडल को जवाब देने का तरीका जानने में मदद मिलती है.
• मॉडल को उन पैटर्न के उदाहरण दें जिनका इस्तेमाल करना है, न कि उन पैटर्न के उदाहरण जिनका इस्तेमाल नहीं करना है.
• शामिल किए जाने वाले प्रॉम्प्ट की संख्या में बदलाव करके देखें. मॉडल के हिसाब से, बहुत कम उदाहरणों से मॉडल के व्यवहार में बदलाव नहीं होता. बहुत ज़्यादा उदाहरणों की वजह से मॉडल ज़रूरत से ज़्यादा फ़िट हो जाता है.
• सभी उदाहरणों में एक जैसी फ़ॉर्मैटिंग का इस्तेमाल करना

काम की जानकारी जोड़ना

प्रॉम्प्ट में निर्देश और जानकारी शामिल की जा सकती है, ताकि मॉडल को किसी समस्या को हल करने के लिए कहा जा सके. ऐसा करने से, यह मानने की ज़रूरत नहीं पड़ती कि मॉडल के पास सभी ज़रूरी जानकारी है. संदर्भ के हिसाब से दी गई इस जानकारी से, मॉडल को यह समझने में मदद मिलती है कि आपने उसे क्या करने के लिए कहा है. साथ ही, इससे मॉडल को सीमाओं के बारे में भी पता चलता है.

इस उदाहरण में, मॉडल से राऊटर से जुड़ी समस्या हल करने के बारे में सलाह देने के लिए कहा गया है:

What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and
blinking slowly.
  

  A yellow blinking light on your Google Wifi router usually indicates a problem with the internet connection. Here are some steps to troubleshoot and fix the issue:
  1. Restart your router and modem:
    - Unplug your modem from the power outlet and wait for 30 seconds.
    - Plug your modem back in and wait for it to fully boot up.
    - Unplug your Google Wifi router and wait for 30 seconds.
    - Plug your Google Wifi router back in and wait for it to fully boot up.
.....
  

Answer the question using the text below. Respond with only the text provided.
Question: What should I do to fix my disconnected wifi? The light on my Google Wifi router is yellow and blinking slowly.

Text:
Color: Slowly pulsing yellow
What it means: There is a network error.
What to do:
Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.

Color: Fast blinking yellow
What it means: You are holding down the reset button and are factory resetting this device.
What to do:
If you keep holding down the reset button, after about 12 seconds, the light will turn solid yellow. Once it is solid yellow, let go of the factory reset button.

Color: Solid yellow
What it means: Router is factory resetting.
What to do:
This can take up to 10 minutes. When it's done, the device will reset itself and start pulsing white, letting you know it's ready for setup.

Color: Solid red
What it means: Something is wrong.
What to do:
Critical failure. Factory reset the router. If the light stays red, contact Wifi customer support.
  

Check that the Ethernet cable is connected to both your router and your modem and both devices are turned on. You might need to unplug and plug in each device again.
  

खास जानकारी

• उस प्रॉम्प्ट में जानकारी (कॉन्टेक्स्ट) शामिल करें जिसका इस्तेमाल मॉडल को रिस्पॉन्स जनरेट करते समय करना है.
• मॉडल को, कॉन्टेक्स्ट के हिसाब से जानकारी का इस्तेमाल करने के निर्देश दें.

प्रीफ़िक्स जोड़ें

प्रीफ़िक्स, प्रॉम्प्ट कॉन्टेंट में जोड़ा जाने वाला शब्द या वाक्यांश होता है. प्रीफ़िक्स को कहां जोड़ा जाता है, इस आधार पर यह कई काम कर सकता है:

• इनपुट प्रीफ़िक्स: मॉडल में इनपुट के ऐसे हिस्सों को प्रीफ़िक्स जोड़ना जो मॉडल के लिए काम के हों. उदाहरण के लिए, "English:" और "French:" प्रीफ़िक्स, दो अलग-अलग भाषाओं को अलग करते हैं.
• आउटपुट प्रीफ़िक्स: भले ही, आउटपुट मॉडल से जनरेट होता है, लेकिन आपके पास प्रॉम्प्ट में आउटपुट के लिए प्रीफ़िक्स जोड़ने का विकल्प होता है. आउटपुट प्रीफ़िक्स मॉडल को यह जानकारी देता है कि रिस्पॉन्स के तौर पर क्या उम्मीद की जा सकती है. उदाहरण के लिए, आउटपुट प्रीफ़िक्स "JSON:", मॉडल को यह सिग्नल देता है कि आउटपुट, JSON फ़ॉर्मैट में होना चाहिए.
• प्रीफ़िक्स का उदाहरण: फ़ew-शॉट प्रॉम्प्ट में, उदाहरणों में प्रीफ़िक्स जोड़ने से ऐसे लेबल मिलते हैं जिनका इस्तेमाल मॉडल, आउटपुट जनरेट करते समय कर सकता है. इससे आउटपुट कॉन्टेंट को पार्स करना आसान हो जाता है.

नीचे दिए गए उदाहरण में, "टेक्स्ट:" इनपुट प्रीफ़िक्स है और "जवाब यह है:" आउटपुट प्रीफ़िक्स है.

Classify the text as one of the following categories.
- large
- small
Text: Rhino
The answer is: large
Text: Mouse
The answer is: small
Text: Snail
The answer is: small
Text: Elephant
The answer is:
  

The answer is: large
  

मॉडल को कुछ हिस्से का इनपुट पूरा करने दें

जनरेटिव लैंग्वेज मॉडल, अपने-आप पूरा होने वाले ऐडवांस टूल की तरह काम करते हैं. अगर आपने कुछ कॉन्टेंट दिया है, तो मॉडल बाकी कॉन्टेंट या जवाब के तौर पर उस कॉन्टेंट का अगला हिस्सा दे सकता है. ऐसा करते समय, अगर आपने कोई उदाहरण या संदर्भ शामिल किया है, तो मॉडल उन उदाहरणों या संदर्भ को ध्यान में रख सकता है.

इस उदाहरण में, निर्देश और इकाई के इनपुट के साथ प्रॉम्प्ट दिया गया है:

For the given order, return a JSON object that has the fields cheeseburger, hamburger, fries, or
drink, with the value being the quantity.

Order: A burger and a drink.
  

```
{
  "hamburger": 1,
  "drink": 1
}
```
  

मॉडल ने प्रॉम्प्ट के मुताबिक काम किया, लेकिन सामान्य भाषा में निर्देश लिखना कभी-कभी मुश्किल हो सकता है. साथ ही, मॉडल के लिए निर्देशों को समझना भी मुश्किल हो सकता है. उदाहरण के लिए, किसी रेस्टोरेंट के मेन्यू में कई आइटम हो सकते हैं. JSON के रिस्पॉन्स का साइज़ कम करने के लिए, आपको उन आइटम को हटाना चाहिए जिन्हें ऑर्डर नहीं किया गया है. ऐसे मामले में, जवाब का कोई उदाहरण और प्रीफ़िक्स दें. इसके बाद, मॉडल को जवाब पूरा करने दें:

Valid fields are cheeseburger, hamburger, fries, and drink.
Order: Give me a cheeseburger and fries
Output:
```
{
  "cheeseburger": 1,
  "fries": 1
}
```
Order: I want two burgers, a drink, and fries.
Output:
  

```
{
  "hamburger": 2,
  "drink": 1,
  "fries": 1
}
```
  

ध्यान दें कि "चीज़बर्गर" को आउटपुट से कैसे बाहर रखा गया, क्योंकि वह ऑर्डर का हिस्सा नहीं था.

मॉडल को जवाब फ़ॉर्मैट करने के लिए कहना

'पूरा होने की रणनीति' से, जवाब को फ़ॉर्मैट करने में भी मदद मिल सकती है. इस उदाहरण में, मॉडल को निबंध की आउटलाइन बनाने के लिए कहा गया है:

Create an outline for an essay about hummingbirds.
  

  Hummingbirds: A Symphony of Speed and Color
    I. Introduction
    A. Hummingbirds are fascinating creatures known for their dazzling colors, lightning-fast flight, and unique feeding habits.
    B. Brief overview of the diversity of hummingbird species and their geographic distribution.
    C. Thesis statement: Hummingbirds are an embodiment of resilience, adaptation, and the wonders of the natural world.
.....
  

प्रॉम्प्ट में आउटलाइन के फ़ॉर्मैट के बारे में नहीं बताया गया था और मॉडल ने आपके लिए कोई फ़ॉर्मैट चुना. मॉडल को किसी खास फ़ॉर्मैट में आउटलाइन दिखाने के लिए, आउटलाइन की शुरुआत दिखाने वाला टेक्स्ट जोड़ा जा सकता है. इसके बाद, मॉडल को आपके शुरू किए गए पैटर्न के आधार पर आउटलाइन को पूरा करने दिया जा सकता है.

Create an outline for an essay about hummingbirds.
I. Introduction
   *
  

  Hummingbirds: Jewels of the Air
    **I. Introduction**
       * **Hook:** Begin with a captivating image or anecdote about hummingbirds, emphasizing their vibrant colors, rapid flight, and unique feeding habits.
       * **Background:** Briefly introduce hummingbirds as the smallest birds in the world and their fascinating adaptations for a nectar-rich diet.
       * **Thesis:** State the main argument or focus of the essay. Examples: 
            * **The incredible adaptations of hummingbirds enable them to thrive in diverse ecosystems.**
            * **Hummingbirds play a crucial role in pollination and biodiversity.**
            * **The beauty and grace of hummingbirds make them captivating subjects for both scientific study and artistic appreciation.**
  

खास जानकारी

• अगर मॉडल को कोई पार्शियल इनपुट दिया जाता है, तो मॉडल उपलब्ध उदाहरणों या प्रॉम्प्ट में दिए गए कॉन्टेक्स्ट के आधार पर, उस इनपुट को पूरा करता है.
• मॉडल की मदद से इनपुट पूरा कर दिया जाता है. कभी-कभी सामान्य भाषा में टास्क के बारे में बताने के बजाय, यह आसान हो जाता है.
• प्रॉम्प्ट में कुछ जवाब जोड़ने से, मॉडल को मनमुताबिक पैटर्न या फ़ॉर्मैट का इस्तेमाल करने में मदद मिल सकती है.

प्रॉम्प्ट को आसान कॉम्पोनेंट में बांटना

इस्तेमाल के ऐसे उदाहरणों के लिए जिनमें मुश्किल प्रॉम्प्ट की ज़रूरत होती है, मॉडल को इस मुश्किल को मैनेज करने में मदद की जा सकती है. इसके लिए, चीज़ों को आसान कॉम्पोनेंट में बांटें.

निर्देशों को अलग-अलग हिस्सों में बांटना

एक प्रॉम्प्ट में कई निर्देश होने के बजाय, हर निर्देश के लिए एक प्रॉम्प्ट बनाएं. आपके पास यह चुनने का विकल्प होता है कि उपयोगकर्ता के इनपुट के आधार पर, किस प्रॉम्प्ट को प्रोसेस करना है.

चेन प्रॉम्प्ट

जवाबों को इकट्ठा करना

एग्रीगेशन तब होता है, जब आपको डेटा के अलग-अलग हिस्सों पर एक साथ अलग-अलग टास्क करने हों और नतीजों को एग्रीगेट करके फ़ाइनल आउटपुट तैयार करना हो. उदाहरण के लिए, मॉडल को डेटा के पहले हिस्से पर एक कार्रवाई करने, बाकी डेटा पर दूसरी कार्रवाई करने, और नतीजों को इकट्ठा करने के लिए कहा जा सकता है.

खास जानकारी

• जटिल निर्देशों को हर निर्देश के लिए प्रॉम्प्ट में बांटें और यह तय करें कि उपयोगकर्ता के इनपुट के आधार पर कौनसा प्रॉम्प्ट लागू करना है.
• एक क्रम में चलने वाले कई चरणों को अलग-अलग प्रॉम्प्ट में बांटें और उन्हें इस तरह से चेन करें कि पिछले प्रॉम्प्ट पर मौजूद आउटपुट, इस प्रॉम्प्ट का इनपुट बन जाए.
• समानांतर टास्क को बांटें और फ़ाइनल आउटपुट देने के लिए जवाबों को इकट्ठा करें.

अलग-अलग पैरामीटर वैल्यू आज़माना

किसी मॉडल को भेजे गए हर कॉल में पैरामीटर वैल्यू शामिल होती हैं. इनसे यह कंट्रोल होता है कि मॉडल जवाब कैसे जनरेट करता है. मॉडल, अलग-अलग पैरामीटर वैल्यू के लिए अलग-अलग नतीजे जनरेट कर सकता है. टास्क के लिए सबसे अच्छी वैल्यू पाने के लिए, अलग-अलग पैरामीटर वैल्यू आज़माएं. अलग-अलग मॉडल के लिए उपलब्ध पैरामीटर अलग-अलग हो सकते हैं. सबसे सामान्य पैरामीटर ये हैं:

• ज़्यादा से ज़्यादा आउटपुट टोकन
• तापमान
• टॉप-K
• टॉप-पी

ज़्यादा से ज़्यादा आउटपुट टोकन

छोटे जवाबों के लिए कम वैल्यू और लंबे रिस्पॉन्स के लिए ज़्यादा वैल्यू डालें.

तापमान

ज़्यादातर इस्तेमाल के उदाहरणों के लिए, 0.2 के तापमान से शुरू करें. अगर मॉडल का जवाब बहुत सामान्य, बहुत छोटा या फ़ॉलबैक जवाब है, तो टेम्परेचर बढ़ाकर देखें.

टॉप-K

टोकन चुनने के हर चरण के लिए, सबसे ज़्यादा संभावना वाले टॉप-K टोकन का सैंपल लिया जाता है. इसके बाद, टॉप-पी के हिसाब से टोकन को और फ़िल्टर किया जाता है. इसमें तापमान के सैंपल का इस्तेमाल करके, आखिरी टोकन चुना जाता है.

कम रैंडम जवाबों के लिए कम वैल्यू और ज़्यादा रैंडम जवाबों के लिए ज़्यादा वैल्यू डालें. डिफ़ॉल्ट तौर पर, टॉप-K की वैल्यू 40 होती है.

Top-P

कम बेतरतीब जवाबों के लिए कम मान और ज़्यादा अनियमित जवाबों के लिए ज़्यादा मान तय करें. डिफ़ॉल्ट तौर पर, टॉप-P 0.95 होता है.

प्रॉम्प्ट के लिए अलग-अलग वर्शन बनाने की रणनीतियां

प्रॉम्प्ट डिज़ाइन करने की प्रोसेस में, कई बार बदलाव करना पड़ता है. आम तौर पर, लगातार मनमुताबिक जवाब पाने के लिए, कुछ बदलाव करने पड़ते हैं. इस सेक्शन में, प्रॉम्प्ट को दोहराते समय आज़माए जा सकने वाले कुछ तरीकों के बारे में बताया गया है.

अलग वाक्यांशों का इस्तेमाल करें

प्रॉम्प्ट में अलग-अलग शब्दों या वाक्यांशों का इस्तेमाल करने से, अक्सर मॉडल से अलग जवाब मिलते हैं. भले ही, उन सभी का मतलब एक ही हो. अगर आपको प्रॉम्प्ट से उम्मीद के मुताबिक नतीजे नहीं मिल रहे हैं, तो उसे फिर से लिखकर देखें.

Version 1:
How do I bake a pie?

Version 2:
Suggest a recipe for a pie.

Version 3:
What's a good pie recipe?
  

मिलते-जुलते टास्क पर स्विच करना

अगर मॉडल किसी टास्क के लिए आपके निर्देशों का पालन नहीं कर पा रहा है, तो उसे किसी ऐसे टास्क के लिए निर्देश दें जिससे वही नतीजा मिले.

यह प्रॉम्प्ट, मॉडल को पहले से तय की गई कैटगरी का इस्तेमाल करके, किसी किताब की कैटगरी तय करने के लिए कहता है.

Which category does The Odyssey belong to:
thriller
sci-fi
mythology
biography
  

    The Odyssey belongs to the category of **mythology**. 

    Here's why:
    
    * **Mythology:** The Odyssey tells the story of Odysseus, a hero from Greek mythology, and his
    journey home after the Trojan War. It features gods, monsters, and supernatural events common to
    Greek mythology.
.....
  

जवाब सही है, लेकिन मॉडल ने विकल्पों की सीमाओं के अंदर जवाब नहीं दिया. आपको पूरे वाक्य के बजाय, किसी एक विकल्प के साथ जवाब देने की सुविधा भी देनी है. इस मामले में, निर्देशों को कई विकल्प वाले सवाल के तौर पर अलग तरीके से दोबारा बताया जा सकता है. साथ ही, मॉडल को कोई विकल्प चुनने के लिए कहा जा सकता है.

Multiple choice problem: Which of the following options describes the book The Odyssey?
Options:
- thriller
- sci-fi
- mythology
- biography
  

The correct answer is **mythology**. 
  

प्रॉम्प्ट कॉन्टेंट का क्रम बदलना

प्रॉम्प्ट में मौजूद कॉन्टेंट के क्रम से, कभी-कभी जवाब पर असर पड़ सकता है. कॉन्टेंट के क्रम में बदलाव करके देखें कि इससे रिस्पॉन्स पर क्या असर पड़ता है.

Version 1:
[examples]
[context]
[input]

Version 2:
[input]
[examples]
[context]

Version 3:
[examples]
[input]
[context]

फ़ॉलबैक रिस्पॉन्स

फ़ॉलबैक रिस्पॉन्स, मॉडल से मिलने वाला वह जवाब होता है जो प्रॉम्प्ट या जवाब में से किसी एक के ट्रिगर होने पर मिलता है. फ़ॉलबैक रिस्पॉन्स का एक उदाहरण यह है: "मैं इसमें मदद नहीं कर सकता, क्योंकि मैं सिर्फ़ एक लैंग्वेज मॉडल हूं."

अगर मॉडल से जवाब मिलता है, तो तापमान बढ़ाकर देखें.

ऐसा करने से बचें

• तथ्यों के आधार पर जानकारी जनरेट करने के लिए, मॉडल पर भरोसा न करें.
• गणित और तर्क से जुड़े सवालों को सावधानी से इस्तेमाल करें.

अगले चरण

• अब आपको प्रॉम्प्ट डिज़ाइन के बारे में अच्छी तरह से समझ आ गया है. इसलिए, Google AI Studio का इस्तेमाल करके अपने प्रॉम्प्ट लिखें.
• अलग-अलग तरीकों से प्रॉम्प्ट करने के बारे में जानने के लिए, मीडिया फ़ाइलों की मदद से प्रॉम्प्ट करना लेख पढ़ें.