लार्ज लैंग्वेज मॉडल की परफ़ॉर्मेंस, उस पर दिए गए निर्देशों पर काफ़ी निर्भर करती है. प्रॉम्प्ट इंजीनियरिंग, सवालों को इस तरह से तैयार करने की प्रोसेस है कि एलएलएम से सबसे अच्छा आउटपुट मिल सके. एलएलएम पर आधारित सुविधा को लागू करने के लिए, यह एक ज़रूरी चरण है.
प्रॉम्प्ट इंजीनियरिंग एक बार में पूरी नहीं की जा सकती. अगर आपने अलग-अलग एलएलएम के साथ प्रयोग किया है, तो आपको पता चल गया होगा कि बेहतर नतीजा पाने के लिए, आपको अपने प्रॉम्प्ट में बदलाव करना होगा.
यह बात अलग-अलग साइज़ के मॉडल पर भी लागू होती है.
Gemini या ChatGPT जैसे बड़े एलएलएम पर आधारित चैट इंटरफ़ेस, अक्सर कम से कम प्रॉम्प्ट के साथ बेहतर नतीजे दे सकते हैं. हालांकि, डिफ़ॉल्ट तौर पर काम करने वाले छोटे एलएलएम के साथ काम करते समय, आपको अपना तरीका बदलना होगा.
छोटे एलएलएम कम असरदार होते हैं और इनमें जानकारी का पूल भी छोटा होता है.
"छोटे एलएलएम" का क्या मतलब है?
एलएलएम के साइज़ तय करना मुश्किल होता है. साथ ही, डेवलपर हमेशा इनके बारे में जानकारी नहीं देते.
इस दस्तावेज़ में, "छोटे एलएलएम" का मतलब 30 अरब पैरामीटर से कम वाले मॉडल से है. फ़िलहाल, कुछ लाख से लेकर कुछ अरब पैरामीटर वाले मॉडल, ब्राउज़र में चलाए जा सकते हैं. ये मॉडल, सामान्य ग्रेड के डिवाइसों पर काम करते हैं.
छोटे एलएलएम का इस्तेमाल कहां किया जाता है?
- डिवाइस पर/ब्राउज़र में जनरेटिव एआई. उदाहरण के लिए, अगर MediaPipe के LLM इंफ़रेंस एपीआई के साथ Gemma 2B का इस्तेमाल किया जा रहा है, तो यह सिर्फ़ सीपीयू वाले डिवाइसों के लिए भी सही है. इसके अलावा, Transformers.js के साथ ब्राउज़र में DistilBert का इस्तेमाल किया जा सकता है. उपयोगकर्ता के डिवाइस पर मॉडल डाउनलोड करना और अनुमान लगाना, सिर्फ़ इन छोटे एलएलएम की मदद से ही किया जा सकता है. इससे, वेब डाउनलोड को कम से कम रखा जा सकता है और डिवाइस की मेमोरी और GPU/सीपीयू की सीमाओं के हिसाब से काम किया जा सकता है.
- पसंद के मुताबिक सर्वर साइड जनरेटिव एआई. Gemma 2B, Gemma 7B या Gemma 27B जैसे छोटे ओपन-वेट मॉडल, आपके सर्वर पर चलाए जा सकते हैं. साथ ही, इन्हें ज़रूरत के हिसाब से बेहतर भी बनाया जा सकता है.
अपनी प्रोफ़ाइल बनाना शुरू करें
Gemini या ChatGPT जैसे बड़े एलएलएम की मदद से काम करने वाले चैट इंटरफ़ेस, अक्सर कम से कम प्रॉम्प्ट के साथ बेहतर नतीजे दे सकते हैं. हालांकि, छोटे एलएलएम के साथ काम करते समय, आपको अपने तरीके में बदलाव करना होगा. छोटे एलएलएम कम असरदार होते हैं और इनमें जानकारी का पूल भी छोटा होता है.
संदर्भ और फ़ॉर्मैट के सटीक निर्देश दें
छोटे एलएलएम से बेहतर नतीजे पाने के लिए, ज़्यादा जानकारी वाले और सटीक प्रॉम्प्ट बनाएं.
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) | |
|---|---|---|
| LLM का बड़ा वर्शन (Gemini 1.5) | छोटा एलएलएम (Gemma 2B) | |
| मुझे यह फ़िट बहुत पसंद आया! यह बैकपैक, वज़न को अच्छी तरह से बांटता है. साथ ही, पूरे दिन के ट्रैक पर भी आरामदायक लगता है. सुझाव दिया जाएगा. | 5 | 5 में से 4 स्टार** |
| स्ट्रैप कमज़ोर हैं और भारी सामान लाने-ले जाने पर, ये मेरे कंधों में चुभने लगते हैं. | 1 | 2/5 |
Gemini 1.5 इस आसान प्रॉम्प्ट के साथ मनमुताबिक आउटपुट देता है, लेकिन Gemma का आउटपुट संतोषजनक नहीं है:
- फ़ॉर्मैट गलत है. हमने रेटिंग के लिए पूर्णांक का अनुरोध किया है.
- रेटिंग सही नहीं लग रही है. पहली समीक्षा में, प्रॉडक्ट को 5 स्टार देने के लिए ज़रूरी उत्साह दिखाया गया है.
इसे ठीक करने के लिए, हमें प्रॉम्प्ट इंजीनियरिंग तकनीकों, एक-, कुछ-, और कई शॉट वाले प्रॉम्प्ट, और विचारों की चेन के प्रॉम्प्ट का इस्तेमाल करना होगा. हमें फ़ॉर्मैट के बारे में साफ़ निर्देश भी देने होंगे. साथ ही, हम इस बात पर भी ज़ोर देंगे कि मॉडल में रेटिंग की पूरी रेंज का इस्तेमाल किया जाए.
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) का आउटपुट |
|---|---|
मुझे यह फ़िट बहुत पसंद आया! यह बैकपैक, वज़न को अच्छी तरह से बांटता है और पूरे दिन के ट्रैक पर भी आश्चर्यजनक रूप से आरामदायक होता है. सुझाव दिया जाएगा. |
विश्लेषण: यह समीक्षा काफ़ी अच्छी है. इसमें प्रॉडक्ट के फ़िट होने और आरामदायक होने पर ज़ोर दिया गया है. इससे पता चलता है कि खरीदार प्रॉडक्ट से काफ़ी संतुष्ट हैं. इससे, ज़्यादा रेटिंग को सही ठहराया जा सकता है. रेटिंग (पूर्णांक): 5 |
स्ट्रैप कमज़ोर हैं और भारी सामान लाने पर, ये मेरे कंधे में चुबकी मारने लगे. |
**विश्लेषण:** समीक्षा में, स्ट्रैप के आरामदायक न होने की अहम समस्या के बारे में बताया गया है. इससे यह भी पता चलता है कि हो सकता है कि प्रॉडक्ट, भारी भार या लंबे समय तक बाहर निकलने के लिए सही न हो. **रेटिंग:** 1 (सबसे खराब) |
ज़्यादा जानकारी वाले प्रॉम्प्ट और थोड़े-बहुत प्रॉम्प्ट के साथ-साथ, सिलसिलेवार तरीके से प्रॉम्प्ट करने की तकनीकों का इस्तेमाल करके, ज़्यादा सटीक रेटिंग दी जाती हैं.
मैन्युअल तरीके से आउटपुट पार्स करने की उम्मीद है
आपको हमेशा एलएलएम के आउटपुट को मैन्युअल तरीके से साफ़ करना चाहिए और उसका विश्लेषण करना चाहिए. यह बात खास तौर पर छोटे एलएलएम के लिए ज़रूरी है, जो शायद उतने बेहतर नतीजे न दें. साथ ही, हो सकता है कि उन्हें सिलसिलेवार तरीके से सवाल पूछने की ज़रूरत पड़े.
पहले उदाहरण में, हमने चेन ऑफ़ थॉट प्रॉम्प्ट का इस्तेमाल किया है. इसलिए, आउटपुट में विश्लेषण और रेटिंग, दोनों शामिल हैं. रेटिंग के लिए, हमें मैन्युअल रूप से पार्स करना होगा. साथ ही, पिछले सेक्शन में आउटपुट के फ़ॉर्मैट में अंतर पर भी ध्यान दें: मॉडल कभी-कभी मार्कडाउन आउटपुट करता 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 के बीच अंतर
Gemini API या OpenAI जैसे एलएलएम क्लाउड एपीआई, आम तौर पर बड़े एलएलएम के एंट्री पॉइंट होते हैं. ये एपीआई, प्रॉम्प्ट की सुविधाएं देते हैं. उदाहरण के लिए, Gemini 1.5 Pro में सिस्टम के निर्देश और JSON मोड की सुविधा मिलती है.
फ़िलहाल, ये सुविधाएं हमेशा कस्टम मॉडल के इस्तेमाल के लिए उपलब्ध नहीं होतीं. इसके अलावा, ये सुविधाएं उन छोटे एलएलएम के लिए भी उपलब्ध नहीं होतीं जिन्हें ब्राउज़र में एआई एपीआई का इस्तेमाल करके ऐक्सेस किया जाता है. जैसे, MediaPipe LLM Inference API या Transformers.js. हालांकि, यह ज़रूरी नहीं है कि यह तकनीकी वजह से हो, लेकिन ब्राउज़र में काम करने वाले एआई एपीआई कम साइज़ के होते हैं.
माइंड टोकन की सीमाएं
छोटे एलएलएम के लिए, प्रॉम्प्ट में उदाहरण या ज़्यादा जानकारी वाले निर्देश शामिल होने चाहिए. इसलिए, यह प्रॉम्प्ट लंबा हो सकता है और अगर आपके पास इनपुट टोकन की कोई सीमा है, तो वह ज़्यादा खर्च हो सकता है.
इसके अलावा, छोटे मॉडल में इनपुट टोकन की सीमा कम होती है. उदाहरण के लिए, Gemini 1.5 Pro में एक लाख इनपुट टोकन की सीमा होती है, जबकि Gemma मॉडल में 8K कॉन्टेक्स्ट विंडो होती है.
सीमा से बचने के लिए, टोकन की संख्या बताने वाले फ़ंक्शन का इस्तेमाल करें.
समय के अनुमान में बदलाव करना
इंजीनियरिंग में लगने वाले समय के अनुमान में, डिज़ाइन और टेस्टिंग के लिए समय का हिसाब लगाएं.
एपीआई के अंतर और टोकन की सीमाओं की वजह से, आपको बड़े एलएलएम के मुकाबले छोटे एलएलएम के लिए, प्रॉम्प्ट बनाने में ज़्यादा समय और मेहनत लग सकती है. एलएलएम के आउटपुट की जांच करना और उसकी पुष्टि करना भी ज़्यादा मुश्किल हो सकता है.
प्रॉम्प्ट इंजीनियरिंग बनाम फ़ाइन ट्यूनिंग?
वेब डेवलपर के लिए, प्रॉम्प्ट इंजीनियरिंग, जनरेटिव एआई का इस्तेमाल करने का हमारा पसंदीदा तरीका है. इससे, पसंद के मुताबिक ट्रेनिंग और बेहतर बनाने की सुविधा के मुकाबले, बेहतर नतीजे मिलते हैं. हालांकि, कुछ मामलों में ऐडवांस प्रॉम्प्ट इंजीनियरिंग भी काफ़ी नहीं हो सकती. ऐसा खास तौर पर तब होता है, जब छोटे एलएलएम का इस्तेमाल किया जा रहा हो.
बेहतर बनाने की सुविधा का इस्तेमाल तब करें, जब:
- आपको किसी खास टास्क के लिए, सटीक और बेहतर परफ़ॉर्मेंस चाहिए. बेहतर नतीजों के लिए, फ़ाइन ट्यूनिंग सीधे मॉडल के इंटरनल पैरामीटर में बदलाव करती है.
- आपके पास अपने टास्क के हिसाब से, पहले से चुने गए आउटपुट के साथ लेबल किया गया, बेहतर तरीके से चुना गया डेटा है. बेहतर तरीके से ट्यून करने के लिए, आपको इस डेटा की ज़रूरत पड़ेगी.
- मॉडल का इस्तेमाल एक ही मकसद के लिए बार-बार किया जाता है. फ़ाइन ट्यूनिंग एक बार की जा सकती है और किसी खास टास्क के लिए फिर से इस्तेमाल की जा सकती है.