La Guía de Prompt Engineering de OpenAI, ofrece información detallada sobre cómo obtener mejores resultados de los modelos de lenguaje de gran escala, como GPT-4. Proporciona estrategias y tácticas específicas, algunas de las cuales son exclusivas de GPT-4, el modelo más avanzado de OpenAI hasta la fecha. Aquí está una explicación detallada de cada sección:
Estrategias
OpenAI ha diseñado estas seis estrategias para obtener mejores resultados:
1. Escribir Instrucciones Claras
- Los modelos de lenguaje no pueden leer la mente, por lo que la claridad es fundamental.
- Si los resultados son demasiado largos, se puede pedir respuestas breves; si son demasiado simples, se puede solicitar escritura a nivel de experto.
- Si el formato no es del agrado del usuario, se puede mostrar al modelo el formato deseado.
Tácticas
- Incluir detalles en la consulta para obtener respuestas más relevantes.
- Pedir al modelo que adopte una persona.
- Usar delimitadores para indicar claramente partes distintas de la entrada.
- Especificar los pasos para completar una tarea.
- Proporcionar ejemplos y la longitud deseada de la salida.
- Ofrecer texto de referencia.
2. Evitar Respuestas Inventadas
- Los modelos pueden inventar respuestas, especialmente en temas esotéricos o al pedir citas y URLs.
- Proporcionar texto de referencia puede ayudar a obtener respuestas más precisas.
Tácticas
- Instruir al modelo para que responda usando un texto de referencia.
- Pedir respuestas con citas de un texto de referencia.
3. Descomposición de Tareas Complejas
- Como en ingeniería de software, descomponer tareas complejas en componentes modulares puede ser efectivo.
- Las tareas complejas tienden a tener mayores tasas de error.
Tácticas
- Clasificación de intención para identificar instrucciones relevantes.
- Para aplicaciones de diálogo con conversaciones largas, resumir o filtrar diálogos previos.
- Resumir documentos largos por partes y construir un resumen completo recursivamente.
4. Dar Tiempo al Modelo para «Pensar»
- Los modelos hacen menos errores de razonamiento si no se les pide responder inmediatamente.
Tácticas
- Instruir al modelo para que elabore su propia solución antes de concluir.
- Usar monólogo interno o una secuencia de consultas para revelar el proceso de razonamiento del modelo.
5. Uso de Herramientas Externas
- Complementar las debilidades del modelo con herramientas externas, como sistemas de recuperación de texto o motores de ejecución de código.
Tácticas
- Uso de búsqueda basada en embeddings para una recuperación de conocimientos eficiente.
- Ejecución de código para cálculos más precisos o llamadas a APIs externas.
6. Pruebas Sistemáticas
- Medir y evaluar los cambios de rendimiento sistemáticamente.
Tácticas
- Evaluar las salidas del modelo con referencia a respuestas estándar de oro (gold-standard answers).
Recomendación Final
- Experimenta con diferentes enfoques para encontrar lo que mejor funciona para tus necesidades específicas.
Importancia de la Personalización
Cada usuario y tarea puede requerir un enfoque ligeramente diferente. Esta guía anima a los usuarios a adaptar estas estrategias a sus necesidades específicas para obtener los mejores resultados posibles.
Aprende más en los cursos de Best-IA
Si quieres aprender más, puedes continuar en la página de OpenAI o apuntarte a uno de nuestros cursos, en los que te explicamos todo acerca de los grandes modelos de lenguaje y sus aplicaciones.