Ingeniería de Comandos Prácticos

Practical Command Engineering

Consejos y trucos para un promteo exitoso con LLMs…

(Foto de Jan Kahánek en Unsplash)

Debido a su formato de texto a texto, los modelos de lenguaje grandes (LLMs, por sus siglas en inglés) son capaces de resolver una amplia variedad de tareas con un solo modelo. Esta capacidad se demostró originalmente a través del aprendizaje sin datos y con pocos datos con modelos como GPT-2 y GPT-3 [5, 6]. Sin embargo, cuando se ajustan para alinearse con las preferencias e instrucciones humanas, los LLMs se vuelven aún más convincentes, lo que permite aplicaciones generativas populares como asistentes de codificación, agentes de diálogo para buscar información y experiencias de búsqueda basadas en chat.

Debido a las aplicaciones que hacen posibles, los LLMs han experimentado un rápido ascenso a la fama tanto en las comunidades de investigación como en la cultura popular. Durante este ascenso, también hemos sido testigos del desarrollo de un nuevo campo complementario: la ingeniería de prompts. A nivel general, los LLMs funcionan tomando texto (es decir, un prompt) como entrada y produciendo una salida textual a partir de la cual podemos extraer algo útil (por ejemplo, una clasificación, una sumarización, una traducción, etc.). La flexibilidad de este enfoque es beneficiosa. Al mismo tiempo, sin embargo, debemos determinar cómo construir correctamente nuestro prompt de entrada para que el LLM tenga la mejor oportunidad de generar la salida deseada.

La ingeniería de prompts es una ciencia empírica que estudia cómo diferentes estrategias de promteo se pueden utilizar para optimizar el rendimiento de los LLMs. Aunque existen diversas aproximaciones, en esta visión general nos enfocaremos en comprender los mecanismos generales del promteo, así como algunas técnicas fundamentales (¡pero increíblemente efectivas!) como el aprendizaje sin datos y el promteo por instrucciones. A lo largo del camino, aprenderemos trucos prácticos y lecciones que se pueden adoptar de inmediato para convertirse en un ingeniero de prompts y un practicante de LLMs más efectivo.

(creado por el autor)

Comprensión de los LLMs. Debido a su enfoque en el promteo, esta visión general no explicará la historia ni los mecanismos de los modelos de lenguaje. Para obtener una mejor comprensión general de los modelos de lenguaje (lo cual es un requisito previo importante para comprender profundamente el promteo), he escrito diversas visones generales que están disponibles. Estas visiones generales se enumeran a continuación (en orden de…)

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Aprendizaje Automático

AI Modelos de Lenguaje y Visión de Gran Escala

Este artículo analiza la importancia de los modelos de lenguaje y visualización en la inteligencia artificial, sus ca...

Inteligencia Artificial

Cómo ayudar a los estudiantes de secundaria a prepararse para el auge de la inteligencia artificial

Un programa de verano de una semana tiene como objetivo fomentar una comprensión más profunda de los enfoques de apre...

Inteligencia Artificial

Nueva herramienta de imagen basada en HADAR te permite ver claramente en la oscuridad

Imagina un mundo donde los robots y los vehículos autónomos pueden navegar sin esfuerzo a través de las noches más os...

Inteligencia Artificial

Todo lo que necesitas saber sobre la serie de modelos de lenguaje (LLMs) Qwen Large

Los modelos de lenguaje grandes (LLMs) han remodelado significativamente el panorama de la Inteligencia Artificial (I...

Inteligencia Artificial

Una guía para principiantes sobre LLMOps para ingeniería de aprendizaje automático

Introducción El lanzamiento de ChatGPT de OpenAI ha generado mucho interés en los grandes modelos de lenguaje (LLMs, ...