Com a devida orientação, o GPT-3 é capaz de escrever respostas em formato curto. Para demonstrar isso, estarei examinando a resolução de questões de discussão, uma tarefa semanal comum em muitos cursos universitários. Uma resposta à uma pergunta de discussão geralmente tem entre 100 e 700 palavras. Conteúdo mais longo pode ser um pouco mais complicado, pois LLMs têm memória limitada e têm dificuldade em entender a imagem global do que estão escrevendo.
Vamos olhar um exemplo de uma pergunta básica de discussão:
"Quais são os problemas ambientais mais urgentes enfrentados pelo nosso planeta hoje, e que medidas os indivíduos podem tomar para ajudar a lidar com esses problemas?"
Nós podemos tornar essa pergunta em um prompt para o GPT3 ao adicionar
Responda o seguinte:.
Responda o seguinte:"Quais são os problemas ambientais mais urgentes enfrentados pelo nosso planeta hoje, e que medidas os indivíduos podem tomar para ajudar a lidar com esses problemas?
Os resultados gerados com esta instrução não são consistentes e alguns são compostos por apenas uma ou duas frases. Uma resposta típica a uma discussão deve ter vários parágrafos, por isso esses resultados não são ideais. Uma boa instrução deve fornecer instruções específicas sobre formato e conteúdo. É necessário remover ambiguidades na linguagem para melhorar a consistência e qualidade dos resultados. Aqui está uma instrução melhor.
Escreva uma dissertação detalhada, incluindo introdução, corpo e conclusão respondendo à seguinte pergunta:
Quais são os problemas ambientais mais urgentes enfrentados pelo nosso planeta hoje, e que medidas os indivíduos podem tomar para ajudar a lidar com esses problemas?
O segundo prompt gera respostas mais longas com uma estrutura melhor. O uso da palavra 'dissertação' no prompt foi intencional, já que o GPT-3 compreende a definição de uma dissertação, e é mais provável que assim gere respostas mais coerentes e estruturadas.
"A Guerra Civil foi um conflito sobre expansão? Concorda ou discorda e por quê?""
Aqui está uma pergunta real de discussão de um curso de história universitário. Ela não está formulada corretamente e é muito aberta. Para obter boas respostas de discussão, você precisa reescrever a pergunta em uma prompt bem definida. Uma prompt bem definida para a pergunta de discussão acima poderia ser:
"Explique as causas da Guerra Civil e se a expansão desempenhou um papel no conflito. Inclua evidências para apoiar seu argumento."
Agora podemos adicionar direções de formatação e contexto.
Escreva uma resposta detalhada para discussão, na estrutura de uma dissertação, em resposta ao seguinte prompt:
Explique as causas da Guerra Civil e se a expansão desempenhou um papel no conflito. Inclua evidências para apoiar seu argumento.
O exemplo de reescrita acima foi gerado com o OpenAI ChatGPT.
Após criar uma prompt efetiva para sua pergunta de discussão, agora é necessário refinar os resultados gerados pelo GPT-3. Isso pode envolver ajustar a saída para cumprir restrições como contagem de palavras, ou combinar conceitos de diferentes resultados gerados.
Um método simples para iterar é gerar várias saídas e revisá-las para obter uma compreensão dos conceitos que o GPT-3 está utilizando e a estrutura que ele segue. Depois que as saídas forem avaliadas, você pode selecionar as saídas mais adequadas e combiná-las em uma resposta coesa.
Outra maneira de iterar é começar e expandir passo a passo. Isso requer mais de uma prompt: uma prompt inicial para escrever o parágrafo inicial ou algo parecido e, em seguida, outras prompts para expandir o que já foi escrito.
Aqui está uma pergunta potencial de discussão filosófica:
"A matemática é inventada ou descoberta? Use um raciocínio cuidadoso para explicar sua resposta."
Adicione a pergunta acima à um prompt simples como no exemplo abaixo:
Escreva um parágrafo de introdução respondendo à seguinte pergunta:
A matemática é inventada ou descoberta? Use um raciocínio cuidadoso para explicar sua resposta.
Eu gerei várias respostas e encontrei uma que gostei mais.
A questão se a matemática é inventada ou descoberta tem sido objeto de
discussão há séculos. Algumas pessoas acreditam que a matemática é uma
invenção humana que foi criada para nos ajudar a entender o mundo, enquanto
outras acreditam que a matemática é uma descoberta que existe
independentemente de nossa compreensão. Este é um tópico importante porque
nossa resposta tem implicações significativas em relação ao que podemos
conhecer sobre o mundo e sobre a natureza da matemática em si. Neste ensaio,
examinarei essa questão com um raciocínio cuidadoso para oferecer minha
resposta.
Esse é um início decente. Então eu vou dar continuidade como outro prompt para expandir o texto.
Eu estou escrevendo uma dissertação curta para responder à seguinte pergunta:
A matemática é inventada ou descoberta? Use um raciocínio cuidadoso para explicar sua resposta.Abaixo é o que eu tenho até agora:
A questão se a matemática é inventada ou descoberta tem sido objeto de discussão há séculos. Algumas pessoas acreditam que a matemática é uma invenção humana que foi criada para nos ajudar a entender o mundo, enquanto outras acreditam que a matemática é uma descoberta que existe independentemente de nossa compreensão. Este é um tópico importante porque nossa resposta tem implicações significativas em relação ao que podemos conhecer sobre o mundo e sobre a natureza da matemática em si. Neste ensaio, examinarei essa questão com um raciocínio cuidadoso para oferecer minha resposta.
Escreva o próximo parágrafo para a minha dissertação.
Experimente expandir esse prompt com o demo abaixo (você vai precisar da sua chave OpenAI)
Eu gerei algumas expansões com esse prompt e selecionei uma que eu gostei chegando ao resultado final a seguir:
A Matemática é uma das mais antigas e mais importantes disciplinas científicas, sendo frequentemente descrita como "a língua da ciência". Esta disciplina tem sido objeto de debates entre matemáticos e outros pensadores há muitos séculos, particularmente em relação à questão se a matemática é inventada ou descoberta. Apesar de haver argumentos válidos de ambos os lados, a minha opinião é que a matemática é tanto uma invenção como uma descoberta. A matemática é inventada quando as pessoas constroem modelos abstratos matemáticos para explicar a realidade, enquanto a matemática é descoberta quando os matemáticos percebem padrões e relações nos dados existentes. Assim, a matemática é tanto inventada como descoberta.
Os matemáticos têm um papel único em toda a ciência, usando sua capacidade de perceber padrões para desenvolver teorias e modelos para explicar o comportamento dos fenômenos. A matemática é especialmente importante na ciência, pois ajuda a entender o mundo que nos rodeia. Os matemáticos usam suas habilidades para desenvolver modelos para explicar a realidade, usando uma variedade de ferramentas e técnicas. O uso da matemática para descobrir padrões e relações também é essencial para a ciência, pois permite que os cientistas construam hipóteses e façam previsões. Assim, podemos dizer que a matemática é tanto uma invenção como uma descoberta.
Ao utilizar prompt de expansão podemos escrever incrementalmente e iterar a cada passo. Essa abordagem é útil quando você precisa **produzir respostas de alta qualidade e deseja modificar os passo incrementais **
Escrito por jayo78. Traduzido por gabi fonseca
Sander Schulhoff is the Founder of Learn Prompting and an ML Researcher at the University of Maryland. He created the first open-source Prompt Engineering guide, reaching 3M+ people and teaching them to use tools like ChatGPT. Sander also led a team behind Prompt Report, the most comprehensive study of prompting ever done, co-authored with researchers from the University of Maryland, OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions. This 76-page survey analyzed 1,500+ academic papers and covered 200+ prompting techniques.
Jin, Y., Kadam, V., & Wanvarie, D. (2022). Plot Writing From Pre-Trained Language Models. ↩