答案的区别来自
一个语言模型一步一步地创建出文本,从几个可能的选项中选择每个下个单词. 在大多数聊天中,选择部分是随机的,所以同样的即时导致措辞不同,有时导致决定不同. 这不是一个错误,而是这些模型如何运作的一部分:由于随机性,它们并不每次都给出同样的东西,并且能够提出不同的想法. 对于创造性任务来说,它是一种附加;对于需要准确性和可重复性的任务来说,必须加以管理。
如何让答案更加稳定
你离开的自由越少, 传播范围就越小。 描述输出格式:包含五个项目的清单,一个带有设定列的表格,一个带有所需部分的字母模板. 设定标准:长度,音调,什么不能做. 州为谁所取而为也. 类似“编写报告”这样的模糊的提示可以广为传播,而带有确切结构和条件的提示则会缩小其范围。 增加可核查要求,并要求大赦国际在答复之前对照这些要求检查结果。
实例胜过解释
稳定结果最强的方法就是展示一两个想要的答案样本. AI重复实例的结构,长度和风格远比文字描述的精确. 样本应该是你想要的结果, 并附上关于其中重要内容的说明。 如果有两个例子,让他们在内容上有所不同,但在形式上相匹配:那么模型会理解什么是重复,什么是改变. 这往往会给出不止长长的指示.
对于重要决定,比较几个版本
如果有重要的事情取决于答案,那么就不要依赖一次尝试. 在新的聊天中运行两到三次提示并进行比较. 匹配的部件可能更可靠;不同的部件需要对照来源进行检查。 您也可以要求AI本身提出几个选项,并按照给定的标准进行评分:这并不能取代检查,而能使扩展的可见性和可控性. 对于常规的自动化任务程序员,使用能减少随机性的生成设置,但在普通聊天中通常不可用.
当差异是好的
对于思想,头条,措辞选择和创造性的任务,品种是有用的:你可以要求五个不同的版本,选择最好的. 当事实、数字和结论发生变化时,请担心。 这是人工智能不依赖可靠材料的信号,你要么给它一个来源,要么自己检查结果. 因此,首先决定你需要什么:一个确切的结果或一组选项,并相应设置提示.