मार्गदर्शिकाएँ
नतीजों की गुणवत्ता कई कारकों पर निर्भर करती है।
यहां कुछ मार्गदर्शिकाएँ हैं जो आपकी मॉडल्स से सर्वोत्तम प्रदर्शन निकालने में आपकी मदद करेंगी:
- मॉडल तापमान को
0पर सेट करें। - प्रॉम्प्ट को सुधारें। प्रॉम्प्ट सटीक और मुख्य होना चाहिए।
- स्कीमा का दस्तावेज़ तैयार करें: सुनिश्चित करें कि स्कीमा का प्रलेखन किया गया है ताकि LLM को अधिक जानकारी दी जा सके।
- संदर्भ उदाहरण प्रदान करें! विविध उदाहरण सहायक हो सकते हैं, जिसमें निकालने की कोई जानकारी नहीं होनी चाहिए।
- अगर आपके पास बहुत सारे उदाहरण हैं, तो सबसे प्रासंगिक उदाहरणों को पुनर्प्राप्त करने के लिए रिट्रीवर का उपयोग करें।
- सर्वश्रेष्ठ उपलब्ध LLM/चैट मॉडल (जैसे, gpt-4, claude-3, आदि) के साथ बैंचमार्क करें - किस मॉडल की कौनसी नवीनतम और अत्यधिक उत्तम है, इसे मॉडल प्रदाता से जांचें!
- अगर स्कीमा बहुत बड़ा है, तो इसे कई छोटे स्कीमों में विभाजित करने का प्रयास करें, अलग-अलग निकालने करें और परिणामों को जोड़ें।
- सुनिश्चित करें कि स्कीमा मॉडल को जानकारी निकालने से इंकार करने की अनुमति देता है। यदि नहीं, तो मॉडल को जानकारी बनाने के लिए मजबूर किया जाएगा!
- सत्यापन/सुधार कदम जोड़ें (एक LLM से निकालने के परिणामों को सुधारने या सत्यापित करने के लिए कहें)।
ध्यान रखें!
- LLMs बड़े अद्भुत होते हैं, लेकिन सभी मामलों के लिए आवश्यक नहीं होते हैं! यदि आप एक ही संरचित स्रोत (जैसे, लिंक्डइन) से जानकारी निकाल रहे हैं, तो LLM का उपयोग अच्छा विचार नहीं है - पारंपरिक वेब-स्क्रेपिंग अधिक सस्ता और विश्वसनीय होगा।
- ह्यूमन इन द लूप अगर आपको पूर्ण गुणवत्ता की आवश्यकता है, तो आपको संभावतः किसी ह्यूमन की मदद लेने की योजना बनानी पड़ेगी - यदि संकष्ट निकालने कार्यों को निपटने के लिए भी सर्वश्रेष्ठ LLMs गलतियां करेंगे।