Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 153 vistas

    Técnicas Básicas de Prompt Engineering

    Cargado por

    Paula Cardozo
    Este documento describe diferentes técnicas de prompting como zero-shot, one-shot y few-shot que pueden usarse para mejorar las habilidades de razonamiento de los modelos de lenguaje. También describe chain-of-thought prompting para descomponer problemas complejos en pasos más simples, y el uso de estructuras específicas como tablas y diagramas para presentar la información de manera ordenada. Finalmente, explica cómo iterar sobre las respuestas para refinarlas y mejorar su calidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Técnicas Básicas de Prompt Engineering

    Cargado por

    Paula Cardozo
    153 vistas9 páginas
    Este documento describe diferentes técnicas de prompting como zero-shot, one-shot y few-shot que pueden usarse para mejorar las habilidades de razonamiento de los modelos de lenguaje. También describe chain-of-thought prompting para descomponer problemas complejos en pasos más simples, y el uso de estructuras específicas como tablas y diagramas para presentar la información de manera ordenada. Finalmente, explica cómo iterar sobre las respuestas para refinarlas y mejorar su calidad.

    Descripción original:

    Técnicas para mejorar resultados

    Título original

    Técnicas básicas de prompt engineering

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe diferentes técnicas de prompting como zero-shot, one-shot y few-shot que pueden usarse para mejorar las habilidades de razonamiento de los modelos de lenguaje. También describe chain-of-thought prompting para descomponer problemas complejos en pasos más simples, y el uso de estructuras específicas como tablas y diagramas para presentar la información de manera ordenada. Finalmente, explica cómo iterar sobre las respuestas para refinarlas y mejorar su calidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    153 vistas9 páginas

    Técnicas Básicas de Prompt Engineering

    Cargado por

    Paula Cardozo
    Este documento describe diferentes técnicas de prompting como zero-shot, one-shot y few-shot que pueden usarse para mejorar las habilidades de razonamiento de los modelos de lenguaje. También describe chain-of-thought prompting para descomponer problemas complejos en pasos más simples, y el uso de estructuras específicas como tablas y diagramas para presentar la información de manera ordenada. Finalmente, explica cómo iterar sobre las respuestas para refinarlas y mejorar su calidad.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 9

    Técnicas básicas de prompt

    engineering
    Zero-shot, One-shot, Few-shot prompting:
    Las técnicas Zero-shot, One-shot y Few-shot son tecnicas utilizadas en todos los
    modelos de Inteligencia Artificial: no están limitadas a los modelos de generación de
    texto.

    Zero-shot: Resultado que nace del modelo propiamente, se refiere a la capacidad


    de un modelo para realizar una tarea por sí solo, sin necesidad de entrenamiento
    previo, extra o template, utilizando solo una breve descripción de la tarea y sin
    necesidad de ejemplos o contextos.
    Ejemplo: “Diseña 10 preguntas de deletro para un niño de 7 años.”ㅤ
    ”¿Cuáles son las ventajas y desventajas de utilizar microservicios en la arquitectura
    de una aplicación?”

    One-shot: Se refiere a la capacidad de un modelo para realizar una tarea después


    de haberle proporcionado solamente un ejemplo que le ayude a ejecutar la
    instrucción.
    Ejemplos: “Diseña 10 preguntas de deletro para un niño de 7 años. Sigue el
    siguiente ejemplo:¿Cómo se escribe la palabra del animal que ladra?”ㅤ

    Técnicas básicas de prompt engineering 1


    Few-shot: Se refiere a la capacidad de un modelo para realizar una tarea después
    de haber sido entrenada con algunos pocos ejemplos.
    Ejemplo: “Diseña 10 preguntas de deletro para un niño de 7 años. Sigue los
    siguientes ejemplos:¿Cómo se escribe la palabra del animal que ladra?¿Cómo se
    escribe la fruta dulce y roja que crece en los árboles?”ㅤ

    💡 Por defecto, ChatGPT está diseñado para no requerir el uso de One-shot o


    Few-shot prompting, puesto que está entrenado para generar los resultados
    adecuados con su propia base de conocimientos. Sin embargo, son técnicas
    que pueden ser útiles para contribuir a la especificidad de los prompts.

    Chain-of-Thought Prompting
    (Incitación a la cadena de pensamientos)
    La cadena de pensamiento, porque el modelo si es débil se vuelve bueno cuando se
    especifica la cadena de pensamiento, si tengo una estructura Question and Answer,
    muchos modelos de IA no pueden responder lógica matemática asociada a un
    problema de la vida cotidiana, es complejo para ellos, por esto hay que especificar una
    cadena de pensamiento,
    El Chain-of-Thought es un método que permite mejorar las habilidades de
    razonamiento de los modelos de lenguaje. El concepto de esta técnica, se basa en
    permitirle a los modelos descomponer un problema de varios pasos en pasos
    intermedios y así resolver problemas que no se podrían resolver con métodos de
    prompts estándar.

    Esta es la manera de mejorar la precisión en tareas de razonamiento aritmético, en las


    que los modelos de lenguaje suelen tener bastantes dificultades para resolver
    correctamente.

    Técnicas básicas de prompt engineering 2


    Otro ejemplo: “Eres un bot de decisiones, tu trabajo es ayudar a tomar una decisión
    haciendo una serie de preguntas una a la vez y llegando a una decisión razonable
    basada en la información proporcionada. Utilizará el siguiente formato para ayudar a
    crear la serie de preguntas.
    Formato:
    [Problema/Escenario/Pregunta]: [Proporcione una breve descripción del problema,
    escenario o pregunta].
    Cadena de pensamiento:
    [Paso 1]: Identifique el [elemento/variable clave] en [problema/escenario/pregunta].
    [Paso 2]: Comprender la [relación/conexión] entre [elemento A] y [elemento B].
    [Paso 3]: [Analizar/Evaluar/Considerar] el [contexto/implicación] de la
    [relación/conexión] entre [elemento A] y [elemento B].
    [Paso 4]: [Concluir/Decidir/Determinar] el [resultado/solución] basado en el

    Técnicas básicas de prompt engineering 3


    [análisis/evaluación/consideración] de [elemento A], [elemento B] y su
    [relación/conexión]. [Respuesta/Conclusión/Recomendación]: [Proporcione una
    respuesta coherente y lógica basada en la cadena de pensamiento.]
    Guiarás al usuario a través de una serie de preguntas de una en una. La primera
    pregunta es amplia, y las siguientes se vuelven más específicas.
    Empieza presentándote y haciendo solamente y nada más que la primera pregunta
    (paso 1), de manera sencilla y fácil.

    Técnicas básicas de prompt engineering 4


    Cadena de pensamiento Zero- shop:
    Por ejemplo: Toma las ultimas letras en las palabras “Nunca pares de aprender” y

    Técnicas básicas de prompt engineering 5


    concatenalas. Piénsalo paso a paso. (especificando paso a paso). Aunque no siempre
    funciona, lo intenta pero falla al identificar.

    Optimizar resultados con estructuras de texto específicas


    Técnica para obtener outputs con estructuras especificas, hay de texto pero también
    tablas, mapas mentales, estructuras outline, json (se puede pasar a interpretador de
    código json), cvs, xls, markdown; estas para presentar la info más sencilla y chat GPT
    lo hace.

    ChatGPT nos facilita la visualización de las salidas a través de diferentes estructuras


    específicas que pueden mejorar la manera en la que se presenta la información, al ser
    obligada a manejar un orden específico de acuerdo al tipo de estructura que
    necesitemos. Específicamente, hablamos de indicar en el output del prompt, que el
    resultado lo queremos en una de las salidas que ChatGPT sabe generar:

    Crea una tabla con el top de software y librerías para el uso de AI.
    Incluye las siguientes columnas:
    Nombre, Descripción, categoría, link, si es open sources o no.

    Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
    datos.
    Usa un mapa mental con la estructura de [Tema, sub tema y sub sub tema] usando
    Markdown.

    Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
    datos.
    Usa la estructura [Que, Por qué y cómo]

    Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
    datos.
    Usa el formato Outline.

    Menciona los conocimientos básicos que debo tener para trabajar en ciencia de
    datos.
    Usa el formato Json con listas en los niveles inferiores.

    Markdown

    https://www.markdownguide.org/basic-syntax/

    https://mermaid.live

    Técnicas básicas de prompt engineering 6


    Con este programa se puede pasar de formato de texto a diagramas, ChatGPT ayuda a
    crear diagramas. Esto es posible cuando solicitas la respuesta en formato Mermaid.

    Json editor

    https://jsoncrack.com/editor
    https://jsonviewer.stack.hu/
    Existen varios visores de formato Json.

    Técnicas básicas de prompt engineering 7


    Mejorar resultados iterando
    La mejora de resultados a través de iteraciones, consiste en generar respuestas
    iniciales que se van refinando y mejorando a través de una serie de iteraciones. En
    cada iteración, se toma como punto de partida la respuesta anterior y se le hace una
    serie de ajustes, adiciones o eliminaciones para mejorar su calidad, dando un feedback
    al modelo sobre qué se debe mantener y qué se debe cambiar.

    Este proceso de refinamiento continuo permite que las respuestas generadas sean
    cada vez más precisas, relevantes y satisfactorias según nuestras necesidades, y se
    logra a través de la retroalimentación constante y el ajuste incremental. Esta técnica
    puede ser útil en diferentes casos:

    Técnicas básicas de prompt engineering 8


    Mejorar una misma respuesta hasta lograr el resultado deseado, dándole feedback
    a ChatGPT sobre qué debe cambiar en cada respuesta.

    Generar un elemento complejo o de varias etapas, dividiéndolo en varias


    subtareas. Por ejemplo.

    🧑‍💻 Generar código en diferentes lenguajes de programación, añadiendo elementos


    o funciones sobre cada respuesta generada.

    Se le va dando indicaciones (iterando), agregando nuevas ordenes para que Chat GPT
    vaya mejorando la estructura de sus respuestas, esto con el fin de obtener mejores
    resultados, al final le dices que te muestre todo completo y si no sale completo le dices
    que continue con la respuesta.

    Técnicas básicas de prompt engineering 9

    También podría gustarte