Introdução

Explore os tipos de prompts para LLMs e aprimore sua IA

Os modelos de linguagem largos (LLM) como GPT-3 já demonstraram ser uma solução potencial para diversas tarefas que envolvam processamento do idioma natural, tais como resolução de problemas matemáticos, criação de texto, tradução e interação com o usuário. A sua capacidade em gerar respostas coerentes e expressivas foi uma revelação na história dos modelos de linguagem.

Entretanto, como se conhece bem o frase "bons pontos são ruins pontos", também é possível que algumas saídas do LLM estejam longe das expectativas ou produzirem respostas não adequadas. Nesse contexto, surge a necessidade de auxiliar esse modelo com um tipo de guia para direcioná-lo nos rumos desejados, como se fosse uma forma de ensinar a saída desejada do modelo para garantir o conhecimento exato que estamos procurando.

Prompts em LLMs

A técnica de fornecer instruções explícitas para direcionar o LLM para responder especificamente uma pergunta ou gerar um tipo de texto desejado é chamada de *prompting* ou, simplesmente, "Prompts". A escolha do tipo certo de prompt tem grande influência sobre a qualidade e relevância das respostas geradas pelo modelo.

Neste artigo, discutiremos tipos diversos de prompts para LLMs:

1. Question Prompting:

*Tipo:* Comprimento variado, dependendo da complexidade da pergunta

*Como usar:* Use um formato que permita a LLM entender que você está questionando algo. Algumas dicas são escrever em primeira pessoa e fazer perguntas que sejam bem diretas.

*Exemplo:* “O que é a temperatura de fusão do carbono?”

2. Instructive Prompting:

*Tipo:* Mais curto e mais específico sobre o que o modelo deve fazer em vez de perguntar

*Como usar:* Use palavras chave ou fórmulas específicas para incentivar a geração da informação desejada.
*Exemplo:* “Emite uma lista com os 10 elementos com maior massa atômica.”

3. Role-playing Prompting:

*Tipo:* Geração de personagens, contextos ou situações em que o LLM deve entrar e produzir a resposta dentro deste contexto

*Como usar:* Crie uma história, cenário ou conversação envolvendo um ou mais personagens e dirija-se ao LLM para interagir com eles.
*Exemplo:* “Você é uma profissional de saúde e responde à pergunta do paciente sobre o corredor da doença.”

4. Programmatic Prompting:

*Tipo:* Interface entre linguagens de programação ou lógicas matemática com LLM

*Como usar:* Acompanhe instruções em linguagem de programação, funções matemáticas ou regras que direcionam a resposta desejada do modelo. Algumas dicas são criar blocos que sejam manipuláveis pela LLM e possam gerar respostas baseadas em seus comportamentos.
*Exemplo:* "Escreva um algoritmo em Python para calcular o menor número primos em uma lista dada".

5. Data-Based Prompting:

*Tipo:* Geração de conteúdo baseado em dados ou texto externos, por exemplo, extratores de fatos ou ainda resolução de problemas com bases de dados.

*Como usar:* Forneça o contexto baseado em dados para que o modelo faça referência nesses elementos durante a resposta. Utilize-se marcadores (placeholders) ou outros recursos de programação como loops e funções, para permitir que o modelo interage com os dados proporcionalmente à complexidade desejada da solução
*Exemplo:* "Supondo que exista uma lista com 10 nomes dos alunos de uma classe, liste a seguinte resposta: 'Os alunos que receberam nota acima de 8,5 na prova da matématica são X e Y.'"

Nestas situações específicas de uso de prompts com LLMs, há várias formas de orientar o modelo para responder a demandas mais precisas ou obter respostas adequadas. Estas diretrizes proporcionam maior controle e confiabilidade nas interações e, no longo prazo, acabarão auxiliando na evolução e aprimoramento de novos modelos com maior capacidade para compreender a complexidade dos seres humanos.


Descubra as várias formas de criar prompts eficientes, aprimore a qualidade do seu conteúdo e crie uma experiência única com LLMs. Aprenda agora!
Referências: LLMs, tipos de prompts, IA, aprimoramento, conteúdo, experiência,

LLMs

LLMs (Large Language Models) são modelos avançados de inteligência artificial treinados em grandes quantidades de texto para compreender, gerar, traduzir e responder conteúdos em linguagem natural, sendo a base de ferramentas como ChatGPT, Gemini e Claude.