Часть 2. Промпт-инжиниринг: обзор продвинутых техник (Chain-of-Thought, декомпозиция)
Мы продолжаем адаптированный перевод статьи “The Prompt Report: A Systematic Survey of Prompt Engineering Techniques” (первую часть можно найти здесь). С переводом мне по-прежнему помогает коллега – Анастасия Тарабакина. В этой части мы обсудим такие техники промптинга, как Chain-of-Thought и декомпозиция. 1. Промптинг Chain-of-ThoughtНачнем с техник промптинга, которые заставляют модель демонстрировать пользователю внутренний процесс «рассуждения» над задачей (Thought Generation). «Цепочка рассуждений» (Chain-of-Thought или Chain-of-Thoughts, CoT)
Как нанимаем, грейдируем и решаем типовые задачи prompt-инженеров в Точке
За два года в Точке мы построили свой департамент работы с ИИ, где создали новую роль — prompt-инженер. За первые полгода довелось поработать над самыми разными кейсами: от классификации данных до разработки ИИ-ассистентов. Для этого пригодился опыт и маркетолога, и копирайтера, и инженера АСОИУ. Даже довелось поучаствовать в генерации синтетических данных для ML-инженеров, где особенно важно понимать основы Data Science. И пришло понимание — пора нанимать ещё.
Как я заставлял Искусственный Интеллект работать вместо себя редактором
Спойлер 1: Избавиться от ошибок в тексте получилось, но не сразу. Улучшить текст получилось, но частично. Сделать его ценным - не получилось, пришлось поработать ручками. И головой тоже.Спойлер 2: Полезные промпты присутствуют.Эта статья - кейс из личного опыта по использованию ИИ в работе контент-маркетолога. Я считаю себя хорошим контент-маркетологом. Но всегда хочется все делать и быстрее и лучше. Случай представился во время поиска новой работы. Я получил тестовое задание, где был дан текст, и список задач — что с этим текстом нужно сделать. Решил опробовать в этом деле искусственный интеллект.
