Prompty chain-of-thought z jednym przykładem
Aby zsumować liczby parzyste w danym zbiorze, trzeba najpierw je zidentyfikować, a następnie dodać do siebie. Możesz nauczyć tego modelu językowego, podając mu jeden lub więcej przykładów – model przyjmie tę strategię i zastosuje ją na nowych zbiorach.
Celem tego ćwiczenia jest nauczenie modelu, jak stosować tę procedurę na zbiorze {9, 10, 13, 4, 2}, a następnie poproszenie go o wykonanie tego samego na nowym zbiorze: {15, 13, 82, 7, 14}. W ten sposób realizujesz prompting chain-of-thought przy użyciu jednego przykładu (one-shot).
Pakiet OpenAI oraz funkcja get_response() są już wczytane.
To ćwiczenie jest częścią kursu
Prompt Engineering z OpenAI API
Instrukcje do ćwiczenia
- Zdefiniuj
example, który nauczy model sumowania liczb parzystych ze zbioru{9, 10, 13, 4, 2}. - Zdefiniuj
question, podobne do tego wexample, które poprosi model o przeprowadzenie rozumowania na nowym zbiorze{15, 13, 82, 7, 14}. - Utwórz końcowy prompt.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
client = OpenAI(api_key="")
# Define the example
example = """Q: Sum the even numbers in the following set: ____.
A: Even numbers: ____. Adding them: ____+____+____=____"""
# Define the question
question = """Q: ____
A:"""
# Create the final prompt
prompt = ____
response = get_response(prompt)
print(response)