बड़े लैंग्वेज मॉडल की परफ़ॉर्मेंस काफ़ी हद तक उन निर्देशों पर निर्भर करती है जो इसे दो. प्रॉम्प्ट इंजीनियरिंग एलएलएम से सबसे अच्छे आउटपुट पाने के लिए सवालों को तैयार करने की प्रोसेस. एलएलएम पर आधारित सुविधा लागू करने के लिए, यह एक ज़रूरी कदम है.
प्रॉम्प्ट इंजीनियरिंग, बार-बार दोहराई जाने वाली एक प्रोसेस है. अगर आपने आपने देखा होगा कि आपको अपने प्रॉम्प्ट में बदलाव करके, उसे ताकि आपको बेहतर नतीजे मिल सकें.
अलग-अलग साइज़ के मॉडल के लिए भी ऐसा ही होता है.
चैट इंटरफ़ेस, जिन पर बड़े एलएलएम काम करते हैं. जैसे, Gemini या ChatGPT, अक्सर कम मेहनत में संतोषजनक नतीजे दे सकता है. हालांकि, डिफ़ॉल्ट रूप से छोटे एलएलएम पर काम करते समय, आपको बेहतर तरीके से काम करने में मदद नहीं मिलती के हिसाब से काम करना पड़ता है.
छोटे एलएलएम कम असरदार होते हैं. इनमें जानकारी का कम इस्तेमाल होता है.
"छोटे एलएलएम" का क्या मतलब है?
एलएलएम के साइज़ तय करना मुश्किल है और ऐसा ज़रूरी नहीं है पर चर्चा करेंगे.
इस दस्तावेज़ में, "छोटे एलएलएम" का मतलब 30B पैरामीटर के तहत किसी भी मॉडल से है. मौजूदा समय में, कुछ लाखों से कुछ अरबों पैरामीटर वाले मॉडल ब्राउज़र में और उपभोक्ता-ग्रेड के डिवाइसों पर चलती हो.
छोटे एलएलएम कहां इस्तेमाल किए जाते हैं?
- उपयोगकर्ता के डिवाइस में/ब्राउज़र में जनरेटिव एआई. जैसे, अगर Gemma 2B का इस्तेमाल किया जा रहा हो MediaPipe के LLM Inference API के साथ (सिर्फ़ सीपीयू वाले डिवाइसों के लिए भी सही है) या DistillBert वाले ब्राउज़र में Transformers.js. उपयोगकर्ता के डिवाइस पर मॉडल डाउनलोड करना और अनुमान लगाना इन छोटे एलएलएम का इस्तेमाल करें, ताकि वेब से डाउनलोड किए गए कॉन्टेंट को प्रोसेस किया जा सके. डिवाइस की मेमोरी और जीपीयू/सीपीयू की सीमाएं.
- कस्टम सर्वर-साइड जनरेटिव एआई. छोटे ओपन-वेट मॉडल, जैसे कि Gemma 2B, Gemma 7B या Gemma 27B आपके लिए अपने सर्वर पर चलाने के लिए उपलब्ध हैं (और (वैकल्पिक रूप से फ़ाइन ट्यून).
अपनी प्रोफ़ाइल बनाना शुरू करें
Gemini या ChatGPT जैसे बड़े एलएलएम की मदद से काम करने वाले चैट इंटरफ़ेस, काफ़ी कम मेहनत में ही बेहतर नतीजे दे सकते हैं. हालांकि, छोटे एलएलएम के साथ काम करते समय, आपको अपने तरीके में बदलाव करने की ज़रूरत होती है. छोटे एलएलएम कम असरदार होते हैं. इनमें जानकारी का कम इस्तेमाल होता है.
कॉन्टेक्स्ट और सटीक फ़ॉर्मैट से जुड़े निर्देश दें
छोटे एलएलएम की मदद से बेहतर नतीजे पाने के लिए, ज़्यादा जानकारी वाले और खास प्रॉम्प्ट तैयार करें.
उदाहरण के लिए:
Based on a user review, provide a product rating as an integer between 1 and 5. \n
Only output the integer.
Review: "${review}"
Rating:
| इनपुट (समीक्षा) | आउटपुट (रेटिंग) | |
|---|---|---|
| बड़ा एलएलएम (Gemini 1.5) | छोटा एलएलएम (Gemma 2B) | |
| मुझे वह पसंद बहुत पसंद आया! वज़न को अच्छी तरह बांटता है और पूरे दिन की ट्रैकिंग के दौरान भी बिना किसी परेशानी के ऐसा करता है. अच्छी जगह है. | 5 | 5 में से 4 स्टार** |
| पट्टियां ढीली होती हैं और वे भारी भार के नीचे मेरे कंधों में घुस जाती हैं. | 1 | 5/2 |
Gemini 1.5 इस आसान प्रॉम्प्ट से आपको मनमुताबिक़ आउटपुट देता है. हालांकि, Gemma के आउटपुट संतोषजनक नहीं है:
- फ़ॉर्मैट गलत है. हमने रेटिंग के लिए पूर्णांक का अनुरोध किया था.
- रेटिंग पूरी तरह सही नहीं है. पहली समीक्षा इतनी उत्साही है कि इसे 5-स्टार रेटिंग दी गई है.
इसे ठीक करने के लिए, हमें प्रॉम्प्ट इंजीनियरिंग तकनीकों का इस्तेमाल करना होगा, एक, कुछ, और मल्टी-शॉट प्रॉम्प्ट और अलग-अलग पहलुओं के बारे में सोच-विचार करने. हमें फ़ॉर्मैट के बारे में साफ़ तौर पर निर्देश भी देने होंगे. साथ ही, इस बात पर ज़ोर देना होगा कि मॉडल को रेटिंग की पूरी रेंज का इस्तेमाल करते हैं.
उदाहरण के लिए:
`Analyze a product review, and then based on your analysis give me the
corresponding rating (integer). The rating should be an integer between 1 and
5. 1 is the worst rating, and 5 is the best rating. A strongly dissatisfied
review that only mentions issues should have a rating of 1 (worst). A strongly
satisfied review that only mentions positives and upsides should have a rating
of 5 (best). Be opinionated. Use the full range of possible ratings (1 to
5). \n\n
\n\n
Here are some examples of reviews and their corresponding analyses and
ratings:
\n\n
Review: 'Stylish and functional. Not sure how it'll handle rugged outdoor
use, but it's perfect for urban exploring.'
Analysis: The reviewer appreciates the product's style and basic
functionality. They express some uncertainty about its ruggedness but
overall find it suitable for their intended use, resulting in a positive,
but not top-tier rating.
Rating (integer): 4
\n\n
Review: 'It's a solid backpack at a decent price. Does the job, but nothing
particularly amazing about it.'
Analysis: This reflects an average opinion. The backpack is functional and
fulfills its essential purpose. However, the reviewer finds it unremarkable
and lacking any standout features deserving of higher praise.
Rating (integer): 3
\n\n
Review: 'The waist belt broke on my first trip! Customer service was unresponsive too. Would not recommend.'
Analysis: A serious product defect and poor customer service experience naturally warrants the lowest possible rating. The reviewer is extremely unsatisfied with both the product and the company.
Rating (integer): 1
\n\n
Review: 'Love how many pockets and compartments it has. Keeps everything organized on long trips. Durable too!'
Analysis: The enthusiastic review highlights specific features the user loves (organization and durability), indicating great satisfaction with the product. This justifies the highest rating.
Rating (integer): 5
\n\n
Review: 'The straps are a bit flimsy, and they started digging into my shoulders under heavy loads.'
Analysis: While not a totally negative review, a significant comfort issue leads the reviewer to rate the product poorly. The straps are a key component of a backpack, and their failure to perform well under load is a major flaw.
Rating (integer): 1
\n\n
Now, here is the review you need to assess:
\n
Review: "${review}" \n`;
| इनपुट (समीक्षा) | छोटे एलएलएम (Gemma 2B) के साथ आउटपुट |
|---|---|
मुझे वह पसंद बहुत पसंद आया! वज़न अच्छी तरह बांटता है और हैरानी की बात है यहां तक कि पूरे दिन की ट्रैकिंग में भी सहज महसूस करते हैं. अच्छी जगह है. |
विश्लेषण: यह समीक्षा बहुत अच्छी है और प्रॉडक्ट की फ़िट और आराम का संकेत मिलता है, जो दिखाता है कि प्रॉडक्ट से आप कितने संतुष्ट हैं. यह को ज़्यादा रेटिंग मिलती है. रेटिंग (पूर्णांक): 5 |
पट्टियां ढीली हैं और वे मेरे कंधों में घुसने लगीं ट्रैक किया जा सकता है. |
**विश्लेषण:** समीक्षा में स्ट्रैप. इससे यह भी पता चलता है कि यह प्रॉडक्ट, भारी वज़न वाले लोगों के लिए सही नहीं है लंबी दूरी तक यात्रा करते हैं. **रेटिंग:** 1 (सबसे खराब) |
हमारे ज़्यादा जानकारी वाले प्रॉम्प्ट के साथ-साथ, कम अवधि के प्रॉम्प्ट और सुझाव देने वाली चेन की तकनीक का इस्तेमाल करके, ज़्यादा सटीक रेटिंग मिलती है.
मैन्युअल आउटपुट पार्सिंग अपेक्षित
आपको हमेशा मैन्युअल तरीके से, एलएलएम से मिले आउटपुट को मैन्युअल तरीके से हटाना चाहिए और इसका अनुवाद करना चाहिए. हालांकि, ऐसा करना ज़रूरी है यह ख़ास तौर पर छोटे एलएलएम के लिए सही है, जो कम बेहतर नतीजे दे सकते हैं और एक के बाद एक काम करने के लिए प्रेरित करने की ज़रूरत पड़ सकती है.
पहले उदाहरण में, हमने चेन-ऑफ़-थॉट प्रॉम्प्ट का इस्तेमाल किया, ताकि आउटपुट में और रेटिंग के लिए हमें मैन्युअल रूप से पार्स करना होता है. साथ ही पिछले सेक्शन में आउटपुट में मौजूद अलग-अलग फ़ॉर्मैटिंग पर ध्यान दें: मॉडल कभी-कभी मार्कडाउन देता है, लेकिन हर बार नहीं.
// Use try/catch to catch (parsing) errors
try {
// Parse the output for a rating
const int = /[1-5]/;
const ratingAsString = llmOutput.match(int)[0];
// Parse as int
const ratingAsInt = parseInt(ratingAsString);
// `checkRating` checks the rating is a number between 1 and 5, since the
// regEx may catch a number like "100"
const finalRating = checkRating(ratingAsInt);
} catch (e) {
console.error('Error', e);
}
Mind API में अंतर
Gemini API या OpenAI जैसे एलएलएम क्लाउड एपीआई, जो आम तौर पर इसमें बड़े एलएलएम शामिल किए जा सकते हैं. साथ ही, प्रॉम्प्ट के साथ आसानी से काम करने वाली सुविधाएं मिलती हैं. उदाहरण के लिए, Gemini 1.5 Pro सिस्टम से जुड़े निर्देश देता है और JSON मोड.
फ़िलहाल, ये सुविधाएं कस्टम मॉडल के इस्तेमाल के लिए हमेशा उपलब्ध नहीं होती हैं या छोटे स्तर पर काम करने वाले एलएलएम के लिए, ब्राउज़र के एआई एपीआई की मदद से ऐक्सेस किए जाते हैं. जैसे, MediaPipe एलएलएम इन्फ़रेंस एपीआई या Transformers.js का इस्तेमाल करें. हालांकि, यह कोई तकनीकी सीमा नहीं है, लेकिन ब्राउज़र में मौजूद एआई एपीआई के कम प्राथमिकता वाला होता है.
माइंड टोकन की सीमाएं
ऐसा इसलिए है, क्योंकि छोटे एलएलएम के लिए, प्रॉम्प्ट में उदाहरण या ज़्यादा जानकारी शामिल होनी चाहिए निर्देशों के बारे में बताया है, तो इसमें ज़्यादा समय लग सकता है और यह आपके इनपुट टोकन का ज़्यादा इस्तेमाल करेगा सीमा, अगर कोई हो.
इसके अलावा, छोटे मॉडल की इनपुट टोकन की सीमा कम होती है. इसके लिए उदाहरण के लिए, Gemini 1.5 Pro में 10 लाख इनपुट टोकन की सीमा वहीं, Gemma मॉडल में 8K कॉन्टेक्स्ट विंडो होती है.
टोकन काउंट फ़ंक्शन का इस्तेमाल करना ताकि सीमा तक पहुंचने से बचा जा सके.
अपने समय के अनुमान अनुकूलित करें
इंजीनियरिंग टीम के समय के अनुमान के लिए, तुरंत डिज़ाइन तैयार करने और टेस्ट करने के लिए ध्यान दें.
एपीआई में अंतर और टोकन की सीमाओं की वजह से, आपको ज़्यादा समय और मेहनत की ज़रूरत पड़ सकती है का इस्तेमाल करें. जांच और पुष्टि करना एलएलएम से बेहतर जवाब भी मिल सकता है.
इंजीनियर से ऑर्डर लेना या बेहतर ट्यूनिंग करना?
वेब डेवलपर के लिए, प्रॉम्प्ट इंजीनियरिंग बेहतरीन नतीजे पाने का हमारा पसंदीदा तरीका है जनरेटिव एआई से ज़्यादा कस्टम ट्रेनिंग और टूल ट्यून करने की ज़रूरत नहीं होती. हालांकि, हो सकता है कि कुछ मामलों में ऐडवांस प्रॉम्प्ट इंजीनियरिंग भी काफ़ी न हो, ख़ास तौर पर तब, जब छोटे एलएलएम का इस्तेमाल किया जा रहा हो.
इन मामलों में फ़ाइन ट्यूनिंग का इस्तेमाल करें:
- आपको किसी टास्क के लिए सटीक और बेहतरीन परफ़ॉर्मेंस की ज़रूरत होती है. फ़ाइन ट्यूनिंग से, सबसे अच्छे नतीजों के लिए मॉडल के इंटरनल पैरामीटर सीधे तौर पर अडजस्ट हो जाते हैं.
- आपके पास अपने टास्क के हिसाब से, बेहतर तरीके से चुना गया डेटा मौजूद है. इस डेटा को पहले से ही इस लेबल के साथ लेबल किया गया है सुझाए गए आउटपुट. ऐसेट को बेहतर तरीके से ऑप्टिमाइज़ करने के लिए, आपको इस डेटा की ज़रूरत होती है.
- एक ही काम के लिए मॉडल को बार-बार इस्तेमाल किया जाता हो. फ़ाइन ट्यूनिंग की जा सकती है एक बार और किसी खास टास्क के लिए फिर से इस्तेमाल किया जा सकता है.