📄️ 🟢 Úvod
Tato kapitola se zabývá tím, jak zajistit větší spolehlivost doplňování a jak implementovat kontroly, které zajistí spolehlivost výstupů.
📄️ 🟢 Prompt Debiasing
Tato stránka se zabývá několika jednoduchými technikami pro debiasing (zmírňování zkreslení) vašich promptů.
📄️ 🟡 Prompt Ensembling
Prompt ensembling je koncept použití více různých promptů, které se snaží odpovědět na stejnou otázku. Existuje mnoho různých přístupů.
📄️ 🟡 Sebehodnocení LLM
Základní sebehodnocení
📄️ 🔴 Kalibrace LLM
Některým zkreslením, která LLM vykazují, je možné čelit kalibrací rozdělení výstupu(@zhao2021calibrate) ang. output distributions.
📄️ 🟡 Matematika
V průběhu tohoto kurzu jsme se seznámili s mnoha různými metodami promptů, které lze použít ke zlepšení matematických schopností %%LLM|LLM%%. Jeden z posledních přístupů, MathPrompter(@imani2023mathprompter), sjednocuje některé z těchto metod (%%CoT|Chain of Thought Prompting%%, %%PAL|PAL%% atd.) do jediné techniky. Zastřešující myšlenkou je rozložit matematickou otázku na algebraické termíny a pak ji pomocí Pythonu řešit různými způsoby.