बड़े लैंग्वेज मॉडल की परफ़ॉर्मेंस, काफ़ी हद तक हमारे निर्देशों पर निर्भर करती है. प्रॉम्प्ट इंजीनियरिंग, सवाल तैयार करने की वह प्रोसेस है जिसमें एलएलएम से सबसे अच्छे आउटपुट के लिए सवाल तैयार किए जाते हैं. एलएलएम पर आधारित सुविधा को लागू करने के लिए, यह एक अहम चरण है.
प्रॉम्प्ट इंजीनियरिंग बार-बार इस्तेमाल की जाने वाली प्रोसेस है. अगर आपने अलग-अलग एलएलएम के साथ एक्सपेरिमेंट किए हैं, तो शायद आपने देखा होगा कि बेहतर नतीजे पाने के लिए, आपको अपने प्रॉम्प्ट में बदलाव करना था.
यह बात अलग-अलग साइज़ के मॉडल पर भी लागू होती है.
बड़े एलएलएम के साथ काम करने वाले चैट इंटरफ़ेस, जैसे कि Gemini या ChatGPT से अक्सर संतुष्टि देने वाले नतीजे मिल सकते हैं. हालांकि, इसके लिए आपको बहुत कम मेहनत करनी पड़ती है. हालांकि, छोटे और डिफ़ॉल्ट एलएलएम पर काम करते समय, आपको इसके हिसाब से काम करना होगा.
छोटे एलएलएम, कम शक्तिशाली होते हैं और उनमें जानकारी पाने के लिए एक छोटा पूल होता है.
"छोटे एलएलएम" का क्या मतलब है?
एलएलएम के साइज़ की जानकारी देना मुश्किल है और टूल बनाने वाली कंपनियों के ज़रिए, हमेशा इसके बारे में जानकारी नहीं दी जाती.
इस दस्तावेज़ में, "छोटे एलएलएम" का मतलब है कि ऐसे मॉडल जो 30B पैरामीटर के दायरे में आते हैं. फ़िलहाल, कुछ लाख से लेकर कुछ अरब पैरामीटर वाले मॉडल, उपभोक्ता-ग्रेड के डिवाइसों पर ब्राउज़र में असल में चलाए जा सकते हैं.
छोटे एलएलएम कहां इस्तेमाल किए जाते हैं?
- डिवाइस पर मौजूद या ब्राउज़र में जनरेटिव एआई. उदाहरण के लिए, अगर MediaPipe के एलएलएम इंफ़रेंस एपीआई (सिर्फ़ सीपीयू वाले डिवाइसों के लिए भी सही) के साथ Gemma 2B या Transformers.js वाले ब्राउज़र में DistilBert का इस्तेमाल किया जा रहा है. मॉडल डाउनलोड करके और अनुमान को उपयोगकर्ता के डिवाइस पर चलाया जा सकता है. इन छोटे एलएलएम का इस्तेमाल किया जा सकता है. ऐसा इसलिए किया जाता है, ताकि वेब से डाउनलोड की गई फ़ाइलें सही रहें. साथ ही, यह डिवाइस की मेमोरी और जीपीयू/सीपीयू की शर्तों के हिसाब से सही हो.
- कस्टम सर्वर-साइड जनरेटिव एआई. आपके लिए Gemma 2B, Gemma 7B या Gemma 27B जैसे छोटे ओपन-वेट मॉडल उपलब्ध हैं. इन्हें अपने सर्वर पर चलाया जा सकता है. इसके अलावा, इन्हें फ़ाइन ट्यून भी किया जा सकता है.
शुरू करें
Gemini या ChatGPT जैसे बड़े एलएलएम के साथ काम करने वाले चैट इंटरफ़ेस, अक्सर आसान और तेज़ मेहनत वाले नतीजे दे सकते हैं. हालांकि, छोटे एलएलएम पर काम करते समय, आपको अपने तरीके में बदलाव करना होगा. छोटे एलएलएम, कम शक्तिशाली होते हैं और उनमें जानकारी पाने के लिए एक छोटा पूल होता है.
कॉन्टेक्स्ट और सटीक फ़ॉर्मैट के निर्देश दें
छोटे एलएलएम की मदद से बेहतर नतीजे पाने के लिए, ज़्यादा जानकारी वाले और खास 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) | |
|---|---|---|
| बड़ा एलएलएम (Gemini 1.5) | छोटा एलएलएम (Gemma 2B) | |
| बिलकुल फ़िट! पूरे दिन की ट्रैकिंग के दौरान भी अच्छी तरह से वज़न बांटता है और हैरतअंगेज़ तरीके से आरामदायक होता है. आपके लिए सुझाव है. | 5 | 5 में से 4 स्टार** |
| पट्टियां ढीली हो गई हैं और वे बहुत सारे लोड के नीचे मेरे कंधों में घुसने लगी हैं. | 1 | 5/2 |
हालांकि, Gemini 1.5 के ज़रिए इस आसान प्रॉम्प्ट में आपको ज़रूरी आउटपुट दिया जा सकता है, लेकिन Gemma का आउटपुट ज़रूरी नहीं है:
- फ़ॉर्मैट गलत है. हमने रेटिंग के लिए एक पूर्णांक का अनुरोध किया है.
- रेटिंग काफ़ी सटीक नहीं लग रही है. पहली समीक्षा में इतनी दिलचस्पी है कि 5-स्टार वाली समीक्षा का ज़िक्र किया गया है.
इसे ठीक करने के लिए, हमें प्रॉम्प्ट इंजीनियरिंग की तकनीकों, वन-, कुछ-, और मल्टी-शॉट प्रॉम्प्ट और चेन-ऑफ़-विचार का इस्तेमाल करना होगा. हमें साफ़ फ़ॉर्मैट के निर्देश भी देने होंगे. साथ ही, इस बात पर ज़ोर देना होगा कि मॉडल को रेटिंग की पूरी रेंज इस्तेमाल करनी चाहिए.
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 |
|---|---|
बिलकुल फ़िट! पूरे दिन की ट्रैकिंग के दौरान भी अच्छी तरह से वज़न बांटता है और हैरान कर देने वाला आरामदेह अनुभव देता है. आपके लिए सुझाव है. |
विश्लेषण: यह समीक्षा काफ़ी सकारात्मक है और इसमें प्रॉडक्ट के फ़िट रहने और आरामदायक होने पर ज़ोर दिया गया है. साथ ही, प्रॉडक्ट से हमें काफ़ी संतुष्टि मिली है. इसका मतलब है कि ऐप्लिकेशन को अच्छी रेटिंग मिली है. रेटिंग (पूर्णांक): 5 |
पट्टियां ढीली हो गई हैं और वे बहुत ज़्यादा लोड के बीच मेरे कंधों पर घुसने लगी हैं. |
**विश्लेषण:** समीक्षा में स्ट्रैप से जुड़ी एक अहम समस्या को हाइलाइट किया गया है. इससे यह भी पता चलता है कि प्रॉडक्ट शायद भारी लोड देने या लंबे समय तक बाहर रखने के लिए सही न हो. **रेटिंग:** 1 (सबसे खराब) |
हम ज़्यादा सटीक जानकारी देने के साथ-साथ, कुछ ही शॉट में निर्देश देने की सुविधा और लगातार सुझाव देने वाली तकनीकों का इस्तेमाल करते हैं. इससे ज़्यादा सटीक रेटिंग मिलती है.
मैन्युअल आउटपुट पार्स करने की ज़रूरत है
आपको हमेशा मैन्युअल तरीके से एलएलएम के आउटपुट को समझना चाहिए और उसे मैन्युअल तरीके से समझना चाहिए. हालाँकि, यह ख़ास तौर पर छोटे एलएलएम के लिए सही है, क्योंकि हो सकता है कि वे कम सटीक नतीजे दें. साथ ही, इसके लिए बार-बार कोशिश करने की ज़रूरत पड़ सकती है.
पहले उदाहरण में, हमने चेन-ऑफ़-विचार का इस्तेमाल किया. इसलिए, आउटपुट में विश्लेषण और रेटिंग, दोनों शामिल थे और हमें रेटिंग के लिए मैन्युअल तरीके से पार्स करना होगा. साथ ही, पिछले सेक्शन के आउटपुट में अलग-अलग फ़ॉर्मैटिंग पर ध्यान दें: मॉडल कभी-कभी मार्कडाउन दिखाता 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, आम तौर पर बड़े एलएलएम के लिए एंट्री पॉइंट होते हैं. ये आसान प्रॉम्प्ट सुविधाएं देते हैं. उदाहरण के लिए, Gemini 1.5 Pro में सिस्टम से जुड़े निर्देश और JSON मोड की सुविधा मिलती है.
फ़िलहाल, ये सुविधाएं कस्टम मॉडल के इस्तेमाल के लिए या MediaPipe LLM Infrence API या Transformers.js जैसे इन-ब्राउज़र एआई एपीआई का इस्तेमाल करके ऐक्सेस किए जाने वाले छोटे एलएलएम के लिए हमेशा उपलब्ध नहीं हैं. ज़रूरी नहीं है कि यह कोई तकनीकी सीमा न हो, लेकिन ब्राउज़र में मौजूद एआई एपीआई ज़्यादा दुबले होते हैं.
माइंड टोकन की सीमाएं
छोटे एलएलएम के लिए, आपके प्रॉम्प्ट में उदाहरण या ज़्यादा जानकारी वाले निर्देश शामिल होने चाहिए. इसलिए, हो सकता है कि इस प्रॉम्प्ट में ज़्यादा समय लग सकता है और अगर एक है, तो यह आपके इनपुट टोकन की सीमा से ज़्यादा जगह ले सकती है.
इसके अलावा, छोटे मॉडल में इनपुट टोकन की सीमा कम होती है. उदाहरण के लिए, Gemini 1.5 Pro के लिए 10 लाख इनपुट टोकन की सीमा होगी. वहीं, Gemma मॉडल के लिए 8K कॉन्टेक्स्ट विंडो का इस्तेमाल किया जा सकता है.
सीमा तक पहुंचने से बचने के लिए, टोकन काउंट फ़ंक्शन का इस्तेमाल करें.
अपने समय के अनुमानों के मुताबिक काम करें
इंजीनियरिंग टाइम के अनुमान में, प्रॉम्प्ट के डिज़ाइन और टेस्टिंग पर ध्यान दें.
एपीआई में अंतर और टोकन की सीमाओं की वजह से, बड़े एलएलएम के बजाय छोटे एलएलएम के लिए प्रॉम्प्ट तैयार करने में, आपको ज़्यादा समय और मेहनत की ज़रूरत होगी. एलएलएम से मिले आउटपुट की जांच और पुष्टि करने में भी ज़्यादा मेहनत लग सकती है.
प्रॉम्प्ट इंजीनियर बनाम फ़ाइन ट्यूनिंग?
वेब डेवलपर के लिए, प्रॉम्प्ट इंजीनियरिंग पसंद के मुताबिक बनाई गई ट्रेनिंग और फ़ाइन-ट्यूनिंग के बजाय, जनरेटिव एआई का इस्तेमाल करने का हमारा पसंदीदा तरीका है. हालांकि, कुछ मामलों में ऐडवांस प्रॉम्प्ट इंजीनियरिंग भी काफ़ी नहीं होता. खास तौर पर, छोटे एलएलएम का इस्तेमाल करने पर ऐसा होता है.
फ़ाइन-ट्यूनिंग का इस्तेमाल तब करें, जब:
- आपको किसी खास टास्क को सटीक और बेहतर परफ़ॉर्मेंस की ज़रूरत होती है. फ़ाइन ट्यूनिंग, बेहतर नतीजों के लिए मॉडल के अंदरूनी पैरामीटर को सीधे तौर पर अडजस्ट करती है.
- आपके पास अच्छी तरह से क्यूरेट किया गया ऐसा डेटा है जो आपके टास्क के हिसाब से काम का है. साथ ही, आपके पास पसंदीदा आउटपुट के साथ लेबल किया गया डेटा है. आपको बेहतर फ़ाइन-ट्यूनिंग के लिए इस डेटा की ज़रूरत है.
- किसी मॉडल का इस्तेमाल एक ही मकसद के लिए बार-बार किया जा रहा हो. फ़ाइन ट्यूनिंग एक बार की जा सकती है और किसी खास काम के लिए इसका फिर से इस्तेमाल किया जा सकता है.