您已经体验了。当Chatgpt具有令人难以置信的力量时，这种挫败感的响应方式还是令人感到沮丧的。也许它过于言行，过于道歉，怪异的开朗或顽固地回避。尽管我们可能会开玩笑地称其为“令人讨厌的个性”，但根本不是个性。这是培训数据，安全协议和固有性质的复杂组合 大型语言模型 （LLMS）。
您的控制权比您想象的要多。
Chatgpt为什么会这样行动？
了解“为什么”如何帮助更好地制作”方法提示。 Chatgpt的怪癖通常源于：
- 培训数据影响： chatgpt 从大量的互联网文本中学到的，包括论坛，文章，书籍和网站。它吸收了该数据中存在的一些陈词滥调和陈词滥调。
- 从人类反馈（RLHF）中学习的强化： 人类在培训期间对AI的回答进行了评估，教会其有用，无害和诚实。这个过程非常偏爱礼貌，明确表示其AI的性质（“作为AI模型……”）以及谨慎的措辞，这有时会导致过度的对冲或道歉。
- 安全护栏： 为了防止有害，不道德或不适当的产出，已制定严格的安全协议。尽管必不可少，但有时这些可能会导致AI拒绝看似无害的请求或过于谨慎，以最具风险的方式来解释提示。
- 预测性质： Chatgpt以您的提示及其培训来预测最统计学上的下一个单词（或令牌）。它不会像人类那样真正“理解”上下文或细微差别，如果提示不够具体，则会导致误解或通用输出。
- 迅速解释： 它的性能在很大程度上取决于它的清晰解释您的说明。歧义会导致不可预测的结果。
常见的chatgpt烦恼以及如何设计更好的回应
让我们通过特定的及时工程技术来解决一些频繁的挫败感：
1。冗长
描述： 句子足够时获得段落；简单概念过于详细的解释。
可能原因： 培训数据通常包括详细的解释； RLHF可能会倾向于彻底。
修复程序： 明确有关长度和格式。
"Explain [topic] concisely.""Summarize the key points in 3 bullet points.""Answer in a single sentence.""Limit your response to under 100 words.""Provide a brief overview of [topic]."
例子：
而不是： “告诉我有关光合作用的信息。”
尝试： "Explain photosynthesis in two sentences suitable for a 5th grader."
2。不断的对冲和道歉
描述： 诸如“作为AI语言模型”，“注意……”，“我不能……”，“我为任何混乱歉意……”之类的短语，即使在不必要的情况下也是如此。
可能原因： RLHF和安全培训强调局限性和礼貌。
修复程序： 指示它是直接的，并假设用户理解。
"Answer directly without hedging.""Do not apologize or state you are an AI.""Provide the information without qualifiers like 'it's important to note'.""Assume I understand the limitations of AI models.""Be confident in your response."（谨慎使用，如果主题复杂，可能会增加幻觉风险）。
例子：
而不是： “ Python有什么好处？”
尝试： "List the main benefits of Python for web development. Answer directly, without apologies or stating you're an AI."
3。不需要的语气
描述： 音调与上下文不符 – 也许对一个严肃的话题也太热情，或者太僵硬而无法创造性地集思广益。
可能原因： 试图维持从RLHF衍生出的普遍有用和积极的角色；默认为标准音调而没有特定的说明。
修复程序： 明确定义所需的音调或角色。
"Adopt a formal and professional tone.""Write in a neutral, objective style.""Use a casual and friendly tone.""Respond with the tone of an expert [field specialist].""Avoid excessive enthusiasm or exclamation points."
例子：
而不是： “解释量子纠缠。”
尝试： "Explain quantum entanglement in a neutral, scientific tone suitable for a college student. Avoid analogies that are overly simplistic."
4。通用或明显的信息
描述： 当您需要特定的细节或更深入的见解时，接收基本的表面级答案。
可能原因： 模棱两可的提示；模型默认为培训数据中经常发现的常识。
修复程序： 提供上下文，指定所需的细节级别，并要求提供细节。
"Provide specific examples of [concept].""Focus on the [specific aspect] of [topic].""Assume I have foundational knowledge; explain the advanced aspects.""Instead of a general overview, discuss the challenges of implementing [technique].""Analyze the pros and cons from the perspective of a [specific role]."
例子：
而不是： “如何提高网站速度？”
尝试： "List 5 specific, actionable techniques to improve website loading speed, focusing on image optimization and server response time. Explain the technical implementation briefly for each."
5。石墙或无助的拒绝
描述： 拒绝以安全性或限制为由回答一个看似无害的问题。
可能原因： 安全护栏将请求解释为潜在问题，即使不是；访问实时数据或执行某些操作的限制。
修复程序： 重塑，简化或专注于基本原则。
- 改性： 以不同的方式提出问题，避免潜在的触发单词。
- 分解： 要求原始请求的较小，较不复杂的部分。
- 要求原则： 而不是要求潜在的敏感细节，而是要求涉及的一般规则，概念或步骤。例如，而不是“将代码写入访问X系统”，而是尝试“解释访问X等系统的常见方法和安全注意事项”。
- 检查约束： 是关于实时数据（如今天的股票价格）还是个人意见的请求？承认您知道它不能做这些事情，而是询问相关的历史数据或共同的观点。
例子：
如果被拒绝： “为新型无人机制定营销计划。”
尝试重新设计： "Outline the key components of a typical marketing plan for a high-tech consumer product. Include sections like target audience analysis, channel strategy, and budget considerations."
6。忘记上下文或说明
描述： 忽略对话的先前部分或同一聊天会话中前面给出的说明。
可能原因： 有限的上下文窗口（它可以一次“记住”多少文本）；难以跟踪复合物，多转弯说明。
修复程序： 定期加强上下文和指示。
- 总结： 在提出一个新的相关问题之前，简要重述关键上下文或以前的几点。
"Given that we previously established X and Y, now explain Z." - 使用明确的参考：
"Based on the criteria you listed earlier..." - 自定义说明（如果有）： 使用自定义说明功能提供持久的背景信息和输出偏好。
- 保持会议的重点： 对于非常复杂的任务，请考虑启动新的聊天会话以确保清洁上下文板岩。
