Engenharia de comandos prática para LLMs menores

Maud Nalpas

A eficácia de um modelo de linguagem grande depende muito das instruções que fornecemos a ele. A engenharia de comando é o processo de elaborar perguntas de maneira a obter a melhor saída de um LLM. É uma etapa crucial na implementação de um recurso baseado em LLM.

A engenharia de comando é um processo iterativo. Se você já testou diferentes LLMs, provavelmente percebeu que precisa ajustar seu comando para alcançar um resultado melhor.

Isso também se aplica a modelos de tamanhos diferentes.

As interfaces de chat com LLMs grandes, como o Gemini ou o ChatGPT, geralmente produzem resultados satisfatórios com o mínimo de esforço. No entanto, ao trabalhar com um LLM menor e padrão que não está ajustado, é necessário adaptar sua abordagem.

LLMs menores são menos potentes e têm um conjunto menor de informações para extrair.

O que queremos dizer com "LLMs menores"?

A definição de tamanhos de LLM é complicada e nem sempre é divulgada pelos fabricantes.

Neste documento, "LLMs menores" significa qualquer modelo com menos de 30 bilhões de parâmetros. A partir de hoje, modelos com alguns milhões ou bilhões de parâmetros podem ser executados de forma realista no navegador, em dispositivos de nível de consumo.

Onde os LLMs menores são usados?

• IA generativa no dispositivo/no navegador, por exemplo, se você estiver usando o Gemma 2B com a API de inferência de LLM do MediaPipe (mesmo que seja adequada para dispositivos somente CPU) ou o DistilBert no navegador com o Transformers.js. O download de um modelo e a execução de inferência no dispositivo de um usuário só são possíveis com esses LLMs menores, para manter os downloads da Web razoáveis e atender às restrições de memória e GPU/CPU de um dispositivo.
• IA generativa personalizada no servidor. Pequenos modelos de peso aberto, como Gemma 2B, Gemma 7B ou Gemma 27B, estão disponíveis para execução no seu próprio servidor (e, opcionalmente, para ajuste fino).

Primeiros passos

As interfaces de chat com LLMs grandes, como Gemini ou ChatGPT, geralmente produzem resultados satisfatórios com o mínimo de esforço. No entanto, ao trabalhar com LLMs menores, você precisa adaptar sua abordagem. Os LLMs menores são menos poderosos e têm um conjunto menor de informações.

Fornecer contexto e instruções precisas sobre o formato

Para alcançar resultados ideais com LLMs pequenos, crie comandos mais detalhados e específicos.

Exemplo:

Based on a user review, provide a product rating as an integer between 1 and 5. \n
Only output the integer.

Review: "${review}"
Rating:

Embora o Gemini 1.5 forneça a saída desejada com essa solicitação simples, a saída do Gemma não é satisfatória:

• O formato está incorreto. Solicitamos um número inteiro para a classificação.
• A classificação não parece muito precisa. A primeira avaliação é suficientemente entusiasmada para indicar uma avaliação de 5 estrelas.

Para corrigir isso, precisamos usar técnicas de engenharia de comando, comandos de um, poucos e vários disparos e comandos de fluxo de pensamento. Também precisamos fornecer instruções claras sobre o formato e insistir que o modelo use toda a faixa de classificações.

Exemplo:

`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`;

Nossa solicitação mais elaborada, combinada com as técnicas de comando de poucos disparos e fluxo de consciência, gera classificações mais precisas.

Esperar a análise manual da saída

Embora você sempre precise limpar e interpretar manualmente a saída de um LLM, isso é especialmente verdadeiro para LLMs menores, que podem produzir resultados menos refinados e exigem a ativação da cadeia de pensamentos.

No primeiro exemplo, usamos a sugestão de cadeia de pensamento. Portanto, a saída incluiu uma análise e uma classificação, e precisamos analisar manualmente a classificação. Observe também a formatação inconsistente na saída da seção anterior: o modelo às vezes gera markdown, mas nem sempre.

// 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);
}

Considere as diferenças da API

APIs de nuvem LLM, como a API Gemini ou a OpenAI, que geralmente são o ponto de entrada para LLMs maiores, oferecem recursos úteis. Por exemplo, o Gemini 1.5 Pro oferece instruções do sistema e o modo JSON.

No momento, esses recursos nem sempre estão disponíveis para uso de modelos personalizados ou para LLMs menores acessados usando APIs de IA no navegador, como a API MediaPipe LLM Inference ou Transformers.js. Embora essa não seja necessariamente uma limitação técnica, as APIs de IA no navegador tendem a ser mais simples.

Considere os limites de tokens

Como a solicitação para LLMs menores precisa incluir exemplos ou instruções mais detalhadas, ela provavelmente será mais longa e ocupará mais do limite de tokens de entrada, se houver um.

Além disso, modelos menores tendem a ter um limite de tokens de entrada menor. Por exemplo, o Gemini 1.5 Pro tem um limite de 1 milhão de tokens de entrada, enquanto os modelos Gemma têm uma janela de contexto de 8K.

Use funções de contagem de tokens para evitar atingir o limite.

Adapte as estimativas de tempo

Considere o design e o teste de comandos nas suas estimativas de tempo de engenharia.

Devido às diferenças de API e aos limites de token, provavelmente você vai precisar de mais tempo e esforço para criar uma solicitação de LLM menor do que uma maior. Testar e validar a saída do LLM também pode exigir mais esforço.

Prompt engineer x ajuste fino?

Para desenvolvedores da Web, a engenharia de comando é a melhor maneira de aproveitar a IA generativa em vez de treinamento personalizado e ajuste fino. Mas mesmo a engenharia de comando avançada pode não ser suficiente em alguns casos de uso, especialmente se você estiver usando um LLM menor.

Use o ajuste quando:

• Você precisa de precisão e desempenho de primeira linha para uma tarefa específica. O ajuste fino ajusta diretamente os parâmetros internos do modelo para resultados ideais.
• Você tem dados bem selecionados, relevantes para sua tarefa, já rotulados com as saídas preferidas. Você precisa desses dados para fazer ajustes eficazes.
• Você usa o modelo para a mesma finalidade repetidamente. O ajuste fino pode ser feito uma vez e reutilizado para uma tarefa específica.