คำแนะนำ
คุณภาพของผลลัพธ์การแยกออกขึ้นอยู่กับหลายปัจจัย
นี่คือชุดของคำแนะนำเพื่อช่วยคุณอัดแน่นเสถียรภาพที่ดีที่สุดจากโมเดลของคุณ:
- ตั้งอุณหภูมิของโมเดลเป็น
0 - ปรับปรุง prompt โปรคมันควรจะกระชับและตรงจุด
- เอกสารเชม่า: รับรองว่าเชม่าได้รับเอกสารเรื่องการให้ข้อมูลเพิ่มเติมให้กับ LLM
- ให้ตัวอย่างเชิงอ้างอิง! ตัวอย่างที่หลากหลายสามารถช่วยได้, รวมถึงตัวอย่างที่ไม่ควรมีการแยกออกอะไรเลย
- หากคุณมีตัวอย่างมากมาย ให้ใช้ตัวค้นหาเพื่อหาตัวอย่างที่เกี่ยวข้องมากที่สุด
- ทดสอบเปรียบเทียบกับ LLM/Chat Model ที่ดีที่สุด (เช่น, gpt-4, claude-3, ฯลฯ) – ตรวจสอบกับผู้ให้บริการโมเดลว่าอันไหนเป็นอันล่าสุดและยอดเยี่ยมที่สุด!
- หากเชม่าใหญ่มากลองแยกเป็นเชม่าขนาดเล็กๆหลายๆตัว, ได้ผลการแยกเชม่าแยกแยะแยกย่อยเป็นบรรจุผลลัพธ์
- ตรวจสอบให้แน่ใจว่าเชม่าอนุญาตให้โมเดลปฏิบัติการไม่แยกออกหรือไม่ หากไม่อนุญาตโมเดลจะถูกบังคับให้สร้างข้อมูลขึ้นมา!
- เพิ่มขั้นตอนการตรวจสอบ/การแก้ไข (ขอให้ LLM ตรวจสอบหรือยืนยันผลลัพธ์การแยกออก)
จำไว้!
- LLMs ยอดเยี่ยม แต่ไม่จำเป็นสำหรับทุกกรณี! หากคุณกำลังแยกข้อมูลจากแหล่งที่เป็นโครงสร้างเดี่ยว เช่น ไลน์กลุ่ม, การใช้ LLM ไม่ใช่ไอเดียที่ดี – การสแกนข้อมูลจากเว็บแบบดั้งเดิมจะถูกกว่าและเชื่อถือได้มากขึ้น
- มนุษย์เข้ามาเกี่ยวข้อง หากคุณต้องการคุณภาพที่สมบูรณ์ คุณคงต้องวางแผนที่จะมีมนุษย์มาร่วมสายงาน – แม้ LLMs ที่ดีที่สุดก็จะทำผิดพลาดเมื่อเกิดงานซับซ้อนในการแยกออก