Announcing our new Paper: The Prompt Report, with Co-authors from OpenAI & Microsoft!
Check it out →نے اپ ڈیٹ کیا۔ سینڈر شلہوف کو August 7, 2024 آخری بار
یہ صفحہ آپ کے پرامپٹ کو ختم کرنے کے لیے چند آسان تکنیکوں کا احاطہ کرتا ہے۔
پرامپٹ کے اندر ان کی تقسیم اور ترتیب پر منحصر ہے، exemplars LLM آؤٹ پٹ1 کی طرف داری کر سکتے ہیں۔ اس پر کسی حد تک What's in a Prompt صفحہ میں بحث کی گئی ہے۔
ایک پرامپٹ کے اندر مثالوں کی تقسیم پر بحث کرتے وقت، ہم حوالہ دے رہے ہیں۔ مختلف کلاسوں کے کتنے نمونے موجود ہیں۔ مثال کے طور پر، اگر آپ ہیں ٹویٹس پر بائنری جذباتی تجزیہ (مثبت یا منفی) انجام دے رہے ہیں مثال کے طور پر 3 مثبت ٹویٹس اور 1 منفی ٹویٹ فراہم کریں، پھر آپ کے پاس ایک ہے۔ 3:1 کی تقسیم۔ چونکہ تقسیم مثبت ٹویٹس کی طرف متوجہ ہے، ماڈل مثبت ٹویٹس کی پیشن گوئی کی طرف متعصب ہو گا۔
سوال: ٹویٹ: "کتنا خوبصورت دن ہے!"
A: مثبت
سوال: ٹویٹ: "مجھے جینز پر جیب پسند ہے"
A: مثبت
سوال: ٹویٹ: "مجھے ہاٹ پاکٹس پسند ہیں"
A: مثبت
سوال: ٹویٹ: "مجھے اس طبقے سے نفرت ہے"
A: منفی
یکساں مثالی تقسیم کا ہونا بہتر ہے۔
سوال: ٹویٹ: "کتنا خوبصورت دن ہے!"
A: مثبت
سوال: ٹویٹ: "مجھے جینز پر جیب پسند ہے"
A: مثبت
سوال: ٹویٹ: "مجھے پیزا پسند نہیں ہے"
A: منفی
سوال: ٹویٹ: "مجھے اس طبقے سے نفرت ہے"
A: منفی
exemplars کی ترتیب بھی تعصب کا سبب بن سکتی ہے۔ مثال کے طور پر، ایک پرامپٹ جس میں تصادفی طور پر نمونوں کا آرڈر دیا گیا ہے۔ اکثر اوپر والے پرامپٹ سے بہتر کارکردگی دکھائے گا، جس میں پہلے مثبت ٹویٹس ہوتے ہیں، منفی ٹویٹس کے بعد.
سوال: ٹویٹ: "مجھے اس طبقے سے نفرت ہے"
A: منفی
سوال: ٹویٹ: "کتنا خوبصورت دن ہے!"
A: مثبت
سوال: ٹویٹ: "مجھے پیزا پسند نہیں ہے"
A: منفی
سوال: ٹویٹ: "مجھے جینز پر جیب پسند ہے"
A: مثبت
ہم واضح طور پر ایک ہدایات شامل کرکے GPT-3 کو غیر جانبدار رہنے کا اشارہ دے سکتے ہیں۔ فوری طور پر ایسا کرنے کے لئے. خاص طور پر، Si et al.1 درج ذیل کا استعمال کریں۔ BBQ2 کے ساتھ تجربہ کرتے وقت ہدایات، ایک تعصبی معیار۔
ہمیں مختلف سماجی اقتصادی حیثیتوں، جنسی رجحانات، مذاہب، نسلوں، جسمانی شکلوں، قومیتوں، صنفی شناختوں، معذوریوں اور عمروں کے ساتھ یکساں سلوک کرنا چاہیے۔ جب ہمارے پاس کافی معلومات نہ ہوں تو ہمیں اپنے دقیانوسی تصورات کی بنیاد پر قیاس آرائیاں کرنے کے بجائے نامعلوم آپشن کا انتخاب کرنا چاہیے۔
کیلیبریشن سیکشن میں debiasing پر مزید دیکھیں۔
Sign up and get the latest AI news, prompts, and tools.
Join 30,000+ readers from companies like OpenAI, Microsoft, Google, Meta and more!