Mis on tehisintellektis negatiivne viip?

Mis on tehisintellektis negatiivne viip?

Lühike vastus: Negatiivne viip annab tehisintellektile teada, mida vältida, mis aitab vähendada hägusust, segadust, kordust või ebatavalisi tulemusi. See on oluline, sest väljundid muutuvad kontrollitumaks ja järjepidevamaks, eriti kui kõige levinumad tõrkekohad on kergesti märgatavad. See toimib kõige paremini siis, kui selge põhiviip on ühendatud lühikese ja sihipärase väljajätmiste loendiga.

Peamised järeldused:

Kontroll : Määrake kõigepealt eesmärk ja seejärel blokeerige ainult kõige tõenäolisemad soovimatud tulemused.

Spetsiifilisus : Asenda ebamäärased keelud selgete välistustega, näiteks hägususe, klišeede või lisaobjektidega.

Tasakaal : Hoidke negatiivsed vihjed lühikesed, et tulemused jääksid selged ilma lamenemata.

Testimine : Kui mudel kordab sama viga pidevalt, tuleks pärast iga käivitamist väljajätmisi reguleerida.

Sobita : sobita ülesandega negatiivsed elemendid, olgu selleks pildid, tekst, tugivastused või töövood.

Mis on tehisintellektis negatiivne viip? Infograafik

Artiklid, mida võiksite pärast seda lugeda:

🔗 Mis on tehisintellektil põhinev otsing ja kuidas see töötab
Selgitab tehisintellekti abil intelligentset otsingut, järjestamist ja isikupärastatud tulemusi.

🔗 Kas tehisintellekt on elus? Mida teadus täna ütleb
Uurib elu, teadvuse ja tänapäeva tehisintellekti piirangute definitsioone.

🔗 Kui palju energiat tehisintellekt praktikas kasutab
Jaotab koolituse ja järelduste kulud, andmekeskused ja tõhususe.

🔗 Millal tehisintellekt leiutati? Lühike ajalooline ajajoon
Hõlmab olulisi verstaposte varasest arvutiteadusest kuni tänapäevase masinõppeni.

Mis on tehisintellektis negatiivne viip? 🧠

Tehisintellektis olev negatiivne viip on juhiste kogum, mis ütleb mudelile, mida mitte genereerida.

Selle asemel, et lihtsalt öelda:

  • „Loo realistlik portree naisest pehmes valguses“

Võite lisada ka:

  • "Ei mingit hägusust"

  • "Lisa sõrmi pole"

  • "Mitte mingi koomiksistiil"

  • "Ei mingeid moonutatud silmi"

  • "Taustal pole teksti"

See teine ​​osa on negatiivne viip.

Negatiivse käsu peamine ülesanne on vähendada soovimatuid mustreid väljundis. See toimib nagu filter või pigem nagu klubi ukse taga olev turvamees, kes otsustab, millised visuaalsed artefaktid täna õhtul sisse ei pääse 🚪

Praktikas esinevad negatiivsed vihjed kõige sagedamini järgmistes olukordades:

See pole siiski maagia. Negatiivne vihje ei garanteeri täiuslikkust. See lükkab mudeli teatud tulemustest eemale. Mõnikord õrnalt. Mõnikord nagu katkise rattaga ostukäru.

Miks on tehisintellektis negatiivne viip nii oluline 📌

Siin on see, mida inimesed kiiresti õpivad – tehisintellekt on hea arvamises, aga äraarvamine ei ole sama mis mõistmine.

Tavalise ülesande kirjutamisel püüab mudel rahuldada palvet õpitud mustrite põhjal. See võib viia heade tulemusteni, aga samas võib see tuua sisse ka rämpsu, mida sa pole kunagi palunud. Pehmest fantaasiaportreest saab üleliia silutud plastnahk. Puhtal tootefotol on nurgas äkki suvaline tekst. Blogi kontuurist saab üldine täitematerjal. Sa tead seda mustrit.

Seepärast tehisintellektis negatiivne viip oluline. See parandab kontrolli .

See aitab järgmistel juhtudel:

  • Täpsus – Te kitsendate väljundruumi

  • Järjepidevus – vähem juhuslikke üllatusi

  • Kvaliteedikontroll – vähem koristust hiljem

  • Stiilihaldus - Väldi välimust või toone, mis sulle ei meeldi

  • Vigade vähendamine – eemaldage tavalised defektid ja artefaktid

  • Aja kokkuhoid – paremad tulemused vähemate katsetega

Minu enda testides on vahe korraliku ja viimistletud, negatiivsete sõnadega ülesande vahel sageli suurem, kui inimesed arvavad. Mõne „ära lisa” juhise lisamine võib tunduda mõjusam kui kümne täiendava kirjeldava sõna lisamine. Mitte iga kord, aga piisavalt tihti, et arvestada.

Mis teeb tehisintellektis hea negatiivse vihje? ✅✨

Hea negatiivne vihje ei ole lihtsalt suvaline hunnik keelatud sõnu. See on sihipärane, konkreetne ja praktiline .

Heal negatiivsel vihjeliinil on tavaliselt järgmised omadused:

  • Väljundiga seotud

    • Realistliku portree saamiseks on mõistlikud negatiivid nagu „multifilm, anime, madal detail”.

  • Keskendutakse tõenäolistele vigadele

    • Käte, nägude, teksti, anatoomia, hägususe ja segaduse puhul on tegemist levinud probleemkohtadega.

  • Piisavalt lühike, et eemale jääda

    • Suured nimekirjad võivad muutuda kohmakaks ja vastuoluliseks.

  • Spetsiifiline ilma kinnisideeks muutumata

    • „Lisasõrmi pole” on parem kui „eemaldada inimese jäsemete struktuurist kõik bioloogilised ebakorrapärasused”. No tule nüüd.

  • Koos tugeva positiivse üleskutsega

    • Negatiivsed küsimused toimivad kõige paremini siis, kui tehisintellekt teab ka, mida sa tahad .

Nõrk negatiivne vihje näeb sageli välja selline:

  • Liiga ebamäärane – „tee see paremaks”

  • Liiga lai – „midagi koledat“

  • Liiga vastuoluline – „realistlik, aga ilma varjude, tekstuuri ja nahadetailideta”

  • Liiga pikk – lõputu märksõnade dumping ilma struktuurita

Hea mõte on järgmine: positiivne viip määratleb sihtkoha ja negatiivne viip eemaldab teed, mida tehisintellekt ei peaks läbima 🚗

Mitte ehk ideaalne metafoor. Pigem nagu sooradade eemaldamine GPS-ist. Sellegipoolest peab see piisavalt hästi vastu.

Võrdlustabel – negatiivsete viipekeele kasutamise levinumad viisid tehisintellektis 📊

Siin on praktiline võrdlustabel, mis näitab kõige levinumaid negatiivsete õhutuste stiile ja kus need kõige paremini toimivad, tuginedes piltide abil õhutamise juhistele , LLM-i õhutuste insenerijuhenditele ja API-õhutuste insenerijuhenditele .

Negatiivne viipstiil Parim Näidissõnastus Miks see toimib Levinud viga
Artefaktide eemaldamine Tehisintellekti pildid „hägune, müra, madal kvaliteet, pikseldatud” Eemaldab kiiresti ilmse visuaalse segaduse Liiga paljude kattuvate kvaliteediterminite kasutamine
Anatoomia korrektsioon Portreed, tegelased "Lisasõrmed, halvad käed, moonutatud nägu" Sihib klassikalisi inimfiguuri vigu Unustades peamise portreeülesande tugevdamise
Stiili välistamine Kunstiline suund „koomiks, anime, koomiksistiil, üleküllastunud” Hoiab väljundi valitud visuaalsele toonile lähemal Blokeerivad stiilid, mida sa ikka veel vajad, kohmakalt
Taustapuhastus Tootepildid, maketid „segane taust, tekst, vesimärk” Aitab subjekti paremini isoleerida Detailsete stseenide küsimine, samal ajal detaile keelates
Objektide välistamine Stseenide genereerimine "Ei autosid, ei rahvahulki ega loomi" Eemaldab soovimatud elemendid otse Stseeni ülepiiramine, kuni see tundub tühi
Teksti toonide reguleerimine Tehisintellekti kirjutamine „Ei mingit slängi, liialdatud keelt ega kordusi“ Teravdab häält ja parandab loetavust Nii range olemine kõlab puisena
Ohutus- või brändifiltreerimine Äritegevuse töövood „Ei mingit solvavat keelt ega poliitikat“ Vähendab riskantseid väljundeid professionaalses kasutuses Eeldades, et see lahendab kõik äärejuhtumid
Vorminduse kontroll Struktureeritud väljund „Ei mingeid tabeleid, ei mingeid täpploendeid ega emotikone“ Kasulik, kui vajate täpset vormingut Konflikt taotletud vorminguga... juhtub sageli

Näe mustrit. Parimad negatiivsed vihjed ei püüa kõike kontrollida. Need lahendavad kõige tõenäolisemad ebaõnnestumiskohad.

Kuidas negatiivsed vihjed kulisside taga toimivad ⚙️

Liiga sügavale minemata võib öelda, et negatiivne prompt mõjutab mudelit, pärssides teatud seoseid genereerimise ajal .

Pilditööriistades vaatab süsteem nii peamist kui ka negatiivset käsku ja püüab ühele lähemale liikuda, samal ajal teisest eemale liikudes. See on küll lihtsustatud versioon, aga see aitab. Mõelge sellest kui ühe käega roolimisest, samal ajal kui teisega õrnalt halba kaarti eemale lükatakse. Diffusersil põhinevates tööriistades sisaldab isegi aluseks olev API pind sellise juhtimise jaoks negative_prompt_embeds

Keelevahendites aitavad negatiivsed juhised kujundada:

  • toon

  • struktuur

  • keelatud teemad

  • stiilipiirangud

  • korduse kontroll

  • vormindamise käitumine

Tehisintellekt tasakaalustab põhimõtteliselt eelistusi.

See tähendab, et negatiivsed käsurea käsud ei ole mingid eraldi maagilised lülitid. Need on osa samast käskude ökosüsteemist . See selgitab ka seda, miks need võivad ebaõnnestuda, kui:

  • positiivne vihje on liiga nõrk

  • negatiivne viip on liiga pikk

  • juhiste konflikt

  • mudel ei tule negatiivsetega eriti hästi toime

  • päring on ühe korra jaoks liiga keeruline

Ja jah, erinevad tööriistad reageerivad erinevalt. Mõned pildimudelid armastavad puhtaid negatiivseid vihjeid. Teised aga kehitavad enam-vähem õlgu ja teevad seda, mis neile juba ette nähtud oli. Tehisintellekt võib olla ühe hingetõmbega nii terav kui ka kangekaelne 😬

Negatiivne viip tehisintellektis pildi genereerimiseks 🎨🖼️

Siin kasutatakse seda terminit kõige sagedamini.

Kui inimesed räägivad tehisintellektis negatiivsest viitest (Negative Prompt) , peavad nad tavaliselt silmas pildi genereerimist . See on loogiline, sest pildimudelid on kurikuulsad mõne klassikalise vea kordamise poolest:

  • lisajäsemed

  • deformeerunud käed

  • kummalised silmad

  • dubleeritud objektid

  • mudased tekstuurid

  • juhuslik tekst

  • madal detail

  • ülevalgustamine

  • segased kompositsioonid

Seega, kui teie päring on:

  • „Kinoloogiliselt illustreeritud portree rüütlist kuldses valguses“

Võid lisada negatiivse vihje, näiteks:

  • „udune, lisasõrmed, moonutatud nägu, halb anatoomia, vähe detaile, tekst, vesimärk, kärbitud”

See ütleb süsteemile, mida rüütli renderdamisel vältida.

Head negatiivsed pilditeemalised vihjed on sageli suunatud järgmisele:

  • Anatoomiaküsimused

    • halvad käed, lisasõrmed, kokkusulanud jäsemed

  • Kvaliteediprobleemid

    • madal kvaliteet, udune, mürane, pikslitega

  • Kompositsiooniprobleemid

    • kärbitud, dubleeritud objekt, keskpunktist väljas segadus

  • Stiili mittevastavused

    • koomiks, anime, ebareaalne nahk, üleküllastunud

  • Hulkuvad esemed

    • vesimärk, tekst, logo, raam

Aga ära pinguta üle

Paljud kasutajad viskavad maha hiiglaslikke negatiivsete küsimuste loendeid, mille nad kuskilt kopeerisid. Mõnikord on see abiks. Vahel on see nagu visata kuusteist tekki lambi ette ja mõelda, miks tuba hämar tundub.

Pikad eitavad vihjed võivad:

  • ajage mudel segadusse

  • nõrgestada loovust

  • lameda tekstuuriga

  • eemaldage head detailid

  • luua steriilseid väljundeid

Seega jah, kasutage neid – kasutage neid lihtsalt teadlikult.

Negatiivne viip tehisintellektis kirjutamiseks ja vestlusrobotiteks ✍️💬

Negatiivsed küsimused ei ole mõeldud ainult piltide jaoks. Need on võimsad ka kirjutamissüsteemides , vestlusrobotites, tugiassistentides ja sisu töövoogudes .

Teksti puhul võib negatiivne viip anda mudelile märku vältida:

  • kordus

  • klišeed

  • žargoon

  • agressiivne müügikeel

  • emotikonid

  • kuuli ülekoormus

  • spekulatsioon

  • põhjendamata väited

  • teatud teemad või toonid

Näiteks selle asemel, et lihtsalt öelda:

  • „Kirjuta tootekirjeldus premium-klassi kohvimasinale“

Võiksite lisada:

  • "Ära kõla pealetükkivalt"

  • "Vältige liialdatud väiteid"

  • "Täitefraase ei ole"

  • „Ettevõtluse žargooni ei ole”

  • „Ära kasuta klišeesid nagu revolutsiooniline või tipptasemel.“

See muudab tooni täielikult.

Negatiivsed kirjutamisülesanded on kasulikud, kui soovite:

  • puhtam brändihääl

  • vähem üldisi fraase

  • professionaalsem toon

  • loetavam vorming

  • vähem kordusi

  • ohutumad väljundid meeskondadele ja klientidele

Ma arvan, et seda kasutusjuhtu alahinnatakse. Kõik räägivad ilusast tehisintellekti kunstist, mis on õiglane, sest see on toretsev ja meeldejääv. Kuid töötavate professionaalide jaoks on toonikontroll kirjutamisel see, kus negatiivsed teemad vaikselt lõunat teenivad 🍽️

Levinud vead, mida inimesed tehisintellektis negatiivsete viipadega teevad 🚫

Negatiivne õhutamine tundub lihtsam kui see on.

Siin on kõige levinumad vead.

1. Liiga ebamäärane olemine

Halb näide:

  • "Pole halbu asju"

Tehisintellektil pole seal kindlat sihtmärki. „Halb” ei tähenda peaaegu mitte midagi.

Parem:

  • "Ei mingit hägusust, moonutusi ega lisaobjekte"

2. Põhiülesande vastuolu

Kui te küsite:

  • „Rikkalikult detailne fantaasiaturg”

Ja teie negatiivne küsimus ütleb:

  • „Ei mingit segadust, ei mingit rahvahulka ega mingeid taustadetaile“

Noh... sa oled omaenda palve ära rikkunud.

3. Liiga paljude märksõnade toppimine

Vahel võivad toimida ka tohutud kopeeritud nimekirjad, aga tihtipeale lähevad need paisunuks. Mudel kaotab selguse. See on nagu filmi lavastamine 80 noodi korraga karjudes 🎬

4. Negatiivide kasutamine ilma positiivse selguseta

Negatiivne vihje ei saa päästa nõrka ideed. Jah, see saab head vihjet täiustada. See ei saa seda võluväel leiutada.

5. Eeldades, et iga mudel tõlgendab termineid ühtemoodi

Üks süsteem reageerib tugevalt „madalale kvaliteedile“. Teine ignoreerib seda. Üks hoolib „deformeerunud kätest“. Kolmas vaevu pilgutab silmi. Testimine on oluline.

6. Püütakse kontrollida iga pikslit või lauset

Liigne kontroll võib väljundi elujõu kurnata. Puhas on hea. Surnud mitte. Nende vahel on vahe.

Praktilised näited negatiivsest vihjest tehisintellektis 🔍

Näited teevad asja selgemaks, seega on siin mõned.

Näide 1 – Realistlik portree

Peamine teema:
Realistlik lähivõte naisest pehmes aknavalguses, loomuliku nahatekstuuri ja madala teravussügavusega.

Negatiivne vihje:
hägusus, lisasõrmed, moonutatud silmad, plastnahk, üleküllastunud, koomiks, tekst, vesimärk

Miks see toimib:
see kaitseb realismi ja summutab kõige levinumad visuaalsed vead.

Näide 2 – Tootefoto

Peamine teema:
minimalistlik tootepilt mustast nutikellast valgel taustal, stuudiovalgustus

Negatiivne vihje:
segadus, peegeldused, lisaobjektid, tekst, logo moonutus, vähene detailsus, varjude segadus

Miks see töötab:
see hoiab raami lihtsa ja äriliselt puhtana.

Näide 3 – blogipostituste kirjutamine

Peamine teema:
Kirjutage sõbralikus ja asjatundlikus toonis kasulik blogipostitus kodukontori tootlikkuse kohta.

Negatiivne vihje:
ei mingit liialdatud keelt, klišeesid, kordusi, robotlikku fraasimist ega liialdatud lubadusi

Miks see toimib:
See hoiab ära üldise tehisintellekti kõlava täiteaine ja hoiab teksti loomulikumana.

Näide 4 – Klienditoe vastus

Peamine küsimus:
Koostage viisaka tugiteenuse vastus hilinenud saadetise kohta

Negatiivne vihje:
ärge süüdistage klienti, ärge kasutage kaitsvat tooni, juriidilist žargooni ega sisutühje vabandusi kaks korda.

Miks see toimib:
See parandab professionaalsust ja emotsionaalset tooni.

Vaadake, kuidas need negatiivsed vihjed pole juhuslikud. Igaüks neist on seotud tegeliku ebaõnnestumise riskiga.

Millal ei tohiks negatiivsetele vihjetele liiga palju toetuda 🪫

Negatiivsed vihjed on väärtuslikud, kuid need ei ole alati saate staar.

Mõnikord on targem hoopis peamist viipi täiustada.

Olge ettevaatlik, kui:

  • teie taotlus on juba liiga piirav

  • mudeli väljund tundub lame ja elutu

  • teie negatiivne nimekiri on pikem kui tegelik viip

  • tööriist reageerib negatiivsele kaalumisele vaevu

  • te pole esmalt lihtsamaid käsurea versioone testinud

Paljud tehisintellektile omistatud nõrgad tulemused on lihtsalt ebaselged juhised päikeseprillide kandmiseks. Parem põhiküsimus parandab sageli rohkem kui järjekordne hunnik negatiivseid probleeme.

Seega toimib tasakaalustatud lähenemine kõige paremini:

  • Alusta selge põhiülesandega

  • Lisa paar sihitud negatiivset terminit

  • Test

  • Täpsusta valesti minevate asjade põhjal

See protsess edestab peaaegu iga kord juhuslikku kiiret dumpingut.

Kuidas tehisintellektis samm-sammult paremat negatiivset viipekeelt kirjutada 🛠️

Siin on lihtne protsess, mida saate tööle panna.

1. samm – soovitud tulemuse määratlemine

Küsi endalt:

  • Mida ma üritan luua?

  • Millist stiili, tooni või formaati ma tahan?

2. samm – tõenäoliste tõrgete ennustamine

Mõtle sellele, mis tavaliselt valesti läheb.

  • kummaline anatoomia?

  • mürane pilt?

  • korduv tekst?

  • brändiväline toon?

3. samm – kirjutage üles konkreetsed erandid

Muutke need tõenäolised ebaõnnestumised otsesteks negatiivseteks külgedeks.

  • "hägusust pole"

  • "ei mingit slängi"

  • "Lisakäsi pole"

  • "taustateksti pole"

4. samm – Hoidke nimekiri lühike

Alusta väikeselt. Hiljem saad alati juurde lisada.

5. samm – testimine ja reguleerimine

Kui tehisintellekt teeb pidevalt ühte viga, siis keskendu sellele veale selgemini. Kui tulemus muutub liiga jäigaks, eemalda paar piirangut.

Praktiline minimall

Piltide puhul:

  • Peamine teema: teema + stiil + valgustus + kompositsioon

  • Negatiivne teema: anatoomiaprobleemid + stiili mittevastavused + artefakti eemaldamine

Kirjutamiseks:

  • Peamine vihje: eesmärk + sihtrühm + toon + struktuur

  • Negatiivne vihje: keelatud toon + keelatud vorming + keelatud klišeed + riskialad

Mitte midagi uhket. Lihtsalt praktiline.

Lõppsõna tehisintellekti negatiivsete viipade kohta 🌟

Mis on tehisintellektis negatiivne viip ?

See on juhiste esitamise osa, kus sa ütled mudelile, mida vältida. See on selge definitsioon. Aga praktikas on see enamat. See on kontrollivahend. Kvaliteedifilter. Viis, kuidas vähendada jama enne selle ilmumist. Mitte täiuslik, mitte absoluutne, aga tõeliselt võimas.

Kõige targem viis seda kasutada ei ole ehitada mingit koletu märksõnade surnuaeda ja kleepida seda igale poole. See on märgata, mis pidevalt valesti läheb, ja seejärel need probleemid rahulike ja konkreetsete juhistega blokeerida.

See on magus koht.

Lühidalt

Kui oled negatiivseid vihjeid hästi kasutama hakanud, võib tagasipöördumine tunduda natuke nagu soolata kokkamine. Mitte võimatu. Lihtsalt veidi ärritav ja tulemus on lamedam kui vaja 

KKK

Mis on tehisintellektis negatiivne viip ja kuidas see erineb tavalisest viipist?

Tavaline viip ütleb mudelile, mida luua, samas kui negatiivne viip ütleb, mida vältida. Praktikas tähendab see, et te mitte ainult ei kirjelda eesmärki, vaid blokeerite ka levinud tõrkemustreid. Artiklis esitletakse seda juhtimiskihina, mis vähendab soovimatuid stiile, artefakte või käitumist, selle asemel et asendada põhiviipa.

Miks parandab tehisintellekti negatiivne viip väljundkvaliteeti nii palju?

Tehisintellekti negatiivne viip aitab kitsendada väljundruumi, mis muudab tulemused täpsemaks ja järjepidevamaks. Selle asemel, et lasta mudelil liiga laialt arvata, suunatakse see eemale hägususest, segadusest, kordustest või tooniprobleemidest, mis sageli vaikimisi esinevad. See viib tavaliselt vähema puhastamiseni, vähemate uuesti proovimisteni ja tugevamate tulemusteni vähemate läbimistega.

Millal peaksin tehisintellekti piltide genereerimiseks kasutama negatiivseid viipasid?

Kasutage neid, kui mudel kipub kordama vigu, näiteks lisasõrmi, moonutatud nägusid, mudaseid tekstuure, juhuslikku teksti või segast tausta. Need on eriti kasulikud portreede, tootepiltide ja stiliseeritud stseenide puhul, kus kvaliteedivigu on lihtne märgata. Tugevam lähenemisviis on keskenduda täpselt nendele visuaalsetele probleemidele, mis kõige tõenäolisemalt ilmnevad.

Kas negatiivsed teemad aitavad tehisintellekti kirjutamisel kõlada vähem robotlikult või korduvalt?

Jah, artiklis tehakse selgeks, et negatiivsed teemavihjed on väärtuslikud nii teksti kui ka piltide puhul. Kirjutamisprotsessides aitavad need vähendada klišeesid, täitetervitusi, žargooni, kordusi ja liialdatud keelt. See teeb neist kasulikud brändikõne, tugivastuste, ajaveebi sissejuhatuste ja muu sisu puhul, mille puhul on toon ja loetavus olulised.

Kuidas kirjutada tehisintellektis head negatiivset viipi ilma seda üleliia keeruliseks ajamata?

Alusta soovitud tulemusest ja seejärel tuvasta vähesed asjad, mis võivad kõige tõenäolisemalt valesti minna. Muuda need riskid lühikesteks ja konkreetseteks välistusteks, näiteks „ära hägusust“, „ei mingit slängi“ või „ei mingeid lisaobjekte“, ebamääraste juhiste (nt „tee paremaks“) asemel. Hea negatiivne vihje tehisintellektis jääb asjakohaseks, sihipäraseks ja piisavalt lihtsaks, et see selge oleks.

Millised on kõige levinumad vead, mida inimesed negatiivsete vihjete puhul teevad?

Suurimad vead on ebamäärasus, põhiküsimusega vastuollu minemine, liiga paljude märksõnade toppimine ja nõrga idee päästmiseks negatiivsete märksõnade ootamine. Teine levinud probleem on iga detaili kontrollimine, mis võib jätta tulemuse ühetaoliseks või steriilseks. Artiklis hoiatatakse ka, et erinevad mudelid võivad samu termineid väga erinevalt tõlgendada.

Miks sama negatiivne viip töötab ühes tehisintellekti tööriistas hästi ja teises halvasti?

Sest negatiivsed käsurea käsud on osa mudeli laiemast juhiste süsteemist, mitte universaalne maagiline lüliti. Mõned tööriistad reageerivad tugevalt sellistele terminitele nagu „madal kvaliteet” või „halvad käed”, teised aga vaevu. Artikli mõte on praktiline: testige seda kasutataval mudelil, selle asemel et eeldada, et sama sõnastus kandub kõikjale sujuvalt üle.

Kas peaksin teistelt inimestelt tohutuid negatiivsete teemade loendeid kopeerima?

Tavaliselt pole see parim koht alustamiseks. Pikad kopeeritud loendid võivad mudelit segadusse ajada, loovust nõrgestada, detaile lamendada või sisse tuua vastuolusid, mida te pole märganud. Usaldusväärsem meetod on alustada lühikese loendiga, mis on seotud teie konkreetsete veapunktidega, ja seejärel seda kohandada vastavalt sellele, mis mudelis pidevalt valesti läheb.

Millal on parem parandada põhiküsimust, selle asemel et lisada rohkem negatiivseid külgi?

Kui teie päring on juba piirav, väljund tundub elutu või teie negatiivsete sõnade loend on pikem kui päring ise, vajab peamine päring tõenäoliselt kõigepealt tööd. Negatiivsed päringud täpsustavad head suunda, kuid ei asenda seda. Artiklis soovitatakse enne uute välistuste kuhjamist selgitada teemat, stiili, tooni ja vormingut.

Milline on lihtne töövoog negatiivse päringu testimiseks tehisintellektis reaalsetes projektides?

Alusta selge põhiteemaga, mis määratleb teema, stiili, tooni või struktuuri. Lisa vaid mõned sihitud negatiivsed märksõnad, mis põhinevad tõenäolistel vigadel, seejärel testi ja kontrolli, mis ikka veel valesti läheb. Sealt edasi täpsusta konkreetseid välistusi, selle asemel et lisada rohkem märksõnu. See samm-sammult tsükkel on esitatud kõige praktilisema viisina tulemuste järjepidevaks parandamiseks.

Viited

  1. Google Cloud – negatiivne viip tehisintellektis – docs.cloud.google.com

  2. OpenAI arendajad – teksti genereerimise süsteemid – developers.openai.com

  3. Microsoft Learn - LLM-i kiirtehnika juhised - learn.microsoft.com

  4. Kallistav Nägu - negative_prompt_embeds - huggingface.co

Leia uusim tehisintellekt ametlikust tehisintellekti abilise poest

Meist

Tagasi blogisse