5つの高影響力テクニック：Googleの戦略から

Chain of Thought (CoT) 推論を伴うタスクの場合、モデルに「段階的に考える」と促す。 プロンプト例： 「3歳のとき、私のパートナーは私より3倍年上だった。私は今20歳。私のパートナーは何歳？段階的に考えてみよう。」 ➡️正解は、推論が明示的に行われた場合のみ返される。

ステップバック・プロンプティング 最初に、より広い質問をして知識を活性化する。次に、そのコンテキストを使用して、より鋭い答えを得る。 プロンプト例： ステップ1： 「5つの面白いビデオゲームの設定は何ですか？」 ステップ2： 「上記のリストから、水中研究所の設定でレベルストーリーを書いてください。」 ➡️一般的な入力でモデルの創造性を刺激することができる。

Few-shotプロンプティング ただ聞くだけではなく、見せる+聞く。 プロンプト例： 「このピザの注文をJSONにパースしてください」+ 2つの作業例 ➡️覚えておくべきこと：LLMはパターンを学習するので、ルールではありません。例は重要です。

ロールプロンプティング モデルに仕事と人格を与える。 プロンプト例： 「サポート的な口調で、ジュニアインターンのフィードバックを書くシニアUXデザイナーとして行動してください。」 ➡️温度制御（0.8〜1の間）と組み合わせて、より表現豊かな出力が得られます。

自己一貫性サンプリング プロンプト例： 「このメールをIMPORTANTまたはNOT IMPORTANTとして分類してください。段階的に考えてみよう。」 ➡️警告：コストは高くなりますが、エッジケースでの信頼性が大幅に高まります。

これらを調整して、AIの出力を改善する： 温度 低（0.2）= 事実 高（0.8〜1）= 創造的

Top-K 低（30）= 集中 高（40以上）= 多様性

Top-P 低（0.9）= 安全 高（0.98〜1）= 自由形式

💡試してみてください：T=0.2、K=30、P=0.95でクリーンな結果を得る。 創造的な文章や奇抜なアイデアの場合は、より高い値を使用します。

あなたのAIが低性能ではない、ただプロンプティングが間違っているだけではないでしょうか？

日本語版は Ai 支援を使用しているため、小さな間違いが存在する可能性があることをご了承ください。

著者

Ai Base Network (ABN), ABN ASIAは、アカデミアに深く関わり、アメリカ、オランダ、ハンガリー、日本、韓国、シンガポール、ベトナムでの仕事経験を持つ人々によって設立されました。ABN ASIAは、学問とテクノロジーが機会と出会う場所です。最先端のソリューションと優れたソフトウェア開発サービスにより、ビジネスがレベルアップし、グローバルシーンに挑戦できるよう支援しています。 私ちの取り組み: より速く。 より良い。 より信頼性が高くなります。 ほとんどの場合、価格も安くなります。

いつでも、ITサービス、デジタルコンサルティング、既製のソフトウェアソリューション、または提案依頼書（RFP）をお探しの際は、お気軽にお問い合わせください。お問い合わせ先は[email protected]です。お客様のテクノロジーに関するニーズにお応えします。

© ABN ASIA