自从GPT模型发布以来,每个人都在不断地使用它们。从提出简单问题到开发复杂的编码,GPT模型可以帮助用户迅速完成。这就是为什么这个模型会随着时间的推移变得更大。
为了帮助用户获得最佳输出,OpenAI提供了使用GPT模型的最佳实践。这些实践来自于许多用户不断地尝试这个模型,并找到了最佳的方法。
在本文中,我将总结您在使用OpenAI GPT模型时应该知道的最佳实践。这些实践是什么?让我们开始吧。
GPT最佳实践
GPT模型的输出只有在您给出明确的指示时才会很好。通过明确说明您想要的内容,它将提供您预期的结果。改善GPT输出的一些提示包括:
- 在提示中提供详细信息以获得相关答案。例如,我们可以将提示从“给我一个计算正态分布的代码”改为“用Python提供标准分布计算的代码示例。在每个部分中放置一个注释,并解释为什么每个代码都以这种方式执行。”
- 给出一个人物或示例,并添加输出的长度。我们可以为模型提供一个人物或示例,以获得更好的清晰度。例如,我们可以传递系统角色参数,以一种老师向学生解释事物的方式来解释某个内容。通过提供人物,GPT模型将以我们所需的方式提供结果。如果您想更改人物,下面是一个示例代码。
import openai
openai.api_key = ""
res = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
max_tokens=100,
temperature=0.7,
messages=[
{
"role": "system",
"content": """
当我要求解释某事时,以老师向学生解释的方式呈现每个段落。
""",
},
{
"role": "user",
"content": """
金球奖是什么,这个奖的标准是什么?用2段话总结一下。
""",
},
],
)
还可以提供示例结果,以指导GPT模型如何回答您的问题。例如,在这段代码中,我传递了我如何解释情感,而GPT模型应该模仿我的风格。
res = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
max_tokens=100,
temperature=0.7,
messages=[
{
"role": "system",
"content": "以一致的风格回答。",
},
{
"role": "user",
"content": "教我关于爱",
},
{
"role": "assistant",
"content": "爱可以是甜蜜的,可以是酸的,可以是伟大的,可以是低调的,可以是你想要的任何东西",
},
{
"role": "user",
"content": "教我关于恐惧",
},
],
)
- 指定完成任务的步骤。提供详细的步骤,以获得最佳输出。详细说明GPT模型应如何操作的指令。例如,我们在这段代码中使用了带有前缀和翻译的2步指令。
res = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
max_tokens=100,
temperature=0.7,
messages= [
{
"role": "system",
"content": """
使用以下逐步说明来回应用户输入。
步骤1 - 用前缀“解释:”在2段或更少的段落中解释用户的问题输入。
步骤2 - 将步骤1翻译成印尼语,并在前缀中加上“翻译:”。
""",
},
{
"role": "user",
"content":"天堂是什么?",
},
])
- 提供参考资料、链接或引用。如果我们已经有了各种问题的参考资料,我们可以将它们作为GPT模型提供输出的基础。列出您认为与您的问题相关的任何参考资料,并将其传递到系统角色中。
- 给GPT“思考”的时间。在匆忙给出错误结果之前,提供一个查询,让GPT能够详细处理提示信息。特别是如果我们给助手角色传递了一个错误的结果,并且我们希望GPT能够自主地进行批判性思考。例如,下面的代码展示了我们如何要求GPT模型对用户输入更加批判。
res = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
max_tokens=100,
temperature=0.7,
messages= [
{
"role": "system",
"content": """
解决问题之后,与用户的解决方案进行对比并评估
解决方案是否正确。只有在自己完成问题后才决定解决方案是否正确。
""",
},
{
"role": "user",
"content":"1 + 1 = 3",
},
])
- 让GPT使用代码执行以获得精确结果。对于更复杂的计算,GPT可能无法按预期工作,因为模型可能提供不准确的结果。为了缓解这个问题,我们可以要求GPT模型编写和运行代码,而不是直接进行计算。这样,GPT可以依赖于代码而不是计算结果。例如,我们可以提供以下输入。
res = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
max_tokens=100,
temperature=0.7,
messages= [
{
"role": "system",
"content": """
通过将代码用三个反引号括起来来编写和执行Python代码,
例如 ```code goes here```。使用这种方法进行计算。
""",
},
{
"role": "user",
"content":"""
找到以下多项式方程的所有实根:2*x**5 - 3*x**8- 2*x**3 - 9*x + 11。
""",
},
])
结论
GPT模型是目前最好的模型之一,以下是一些改进GPT模型输出的最佳实践:
- 在提示中提供详细信息以获得相关答案
- 给出角色或示例,并添加输出的长度
- 指定完成任务的步骤
- 提供参考资料、链接或引用
- 给GPT“思考”的时间
- 让GPT使用代码执行以获得精确结果
Cornellius Yudha Wijaya 是一名数据科学助理经理和数据作者。在全职工作于印尼安联保险期间,他喜欢通过社交媒体和写作媒体分享Python和数据技巧。