Nouvelle technique d’ingénierie de prompt ChatGPT simulation de programme

Nouvelle technique de simulation de programme pour ChatGPT prompt engineering

Le monde de l’ingénierie des instructions est fascinant à plusieurs niveaux et il n’y a pas de pénurie de moyens astucieux pour inciter les agents comme ChatGPT à générer des types de réponses spécifiques. Des techniques telles que Chain-of-Thought (CoT), Instruction-Based, N-shot, Few-shot et même des astuces telles que Flattery/Role Assignment sont l’inspiration derrière les bibliothèques pleines d’instructions visant à répondre à tous les besoins.

Dans cet article, je vais me plonger dans une technique qui, selon mes recherches, est potentiellement moins explorée. Bien que je la qualifierais provisoirement de “nouvelle”, je m’abstiendrai de la qualifier de “novatrice”. Étant donné le rythme effréné de l’innovation en matière d’ingénierie des instructions et la facilité avec laquelle de nouvelles méthodes peuvent être développées, il est tout à fait possible que cette technique existe déjà sous une forme quelconque.

L’essence de la technique vise à faire fonctionner ChatGPT de manière à simuler un programme. Un programme, comme nous le savons, est composé d’une séquence d’instructions regroupées généralement en fonctions pour effectuer des tâches spécifiques. À certains égards, cette technique est un amalgame des techniques de prompt basées sur les instructions et basées sur les rôles. Mais contrairement à ces approches, elle cherche à utiliser un cadre d’instructions répétable et statique, permettant à la sortie d’une fonction d’informer une autre et à l’ensemble de l’interaction de rester dans les limites du programme. Cette modalité devrait bien s’aligner avec les mécanismes de complétion des prompts dans des agents comme ChatGPT.

Pour illustrer la technique, spécifions les paramètres d’une mini-application dans ChatGPT4 conçue pour fonctionner comme un atelier interactif d’innovation. Notre mini-application comprendra les fonctions et fonctionnalités suivantes :

• Créez votre première autocorrection sans apprentissage automatique
• Au-delà des tutoriels Apprendre l’analyse de données avec l’agent Pandas de LangChain
• Des chercheurs d’Inception, de MBZUAI et de Cerebras ont ouvert en open source Jais le modèle de langage arabe le plus avancé au monde.

1. Travailler sur une nouvelle idée
2. Approfondir une idée
3. Résumer une idée
4. Récupérer des idées
5. Continuer à travailler sur une idée précédente
6. Statistiques d’utilisation des jetons/”mémoire”

Pour être clair, nous ne demanderons pas à ChatGPT de coder la mini-application dans un langage de programmation spécifique et nous refléterons cela dans nos paramètres de programme.

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