Prompt Engineering

In einer Zeit, in der Large-Language-Models wie OpenAI’s GPT-Serie immer mehr an Bedeutung gewinnen, stehen Entwickler und Software-Architekten vor der spannenden Herausforderung, diese Technologien in Chat-Anwendungen optimal zu nutzen. Die Qualität der Interaktion mit solchen Modellen hängt maßgeblich davon ab, wie präzise und durchdacht unsere Anfragen formuliert werden.
Zunächst tauchen wir tief in die Kunst des “Prompt-Engineerings” ein. Weiterhin beleuchten wir die Unterschiede und Anwendungsgebiete von Few-Shots, Zero-Shots und Many-Shots. Jeder dieser Ansätze besitzt eigene Stärken, und es ist entscheidend, zu verstehen, wann und wie sie am besten in Chat-Anwendungen eingesetzt werden können. Besonders herausgestellt wird die Herausforderung der begrenzten Token-Zahl und Strategien, um innerhalb dieser Begrenzung klare, kohärente und hilfreiche Antworten zu erzielen.

Transcript

2. ralf.d.mueller@deutschebahn.com @ralfdmueller ➔ xing.to/rdmuller ◼ ◼ ◼
3. 🐶
9. GPT-3 (Generative Pre-trained Transformer 3) was released in 2020. It was pre- trained on a massive dataset of 570GB of text data and had a capacity of 175 billion parameters. It was fine-tuned for a wide range of language tasks, such as text generation, language translation, and question answering. GPT-3 (Generative Pre-trained Transformer 4) was released in 2021, it was pre- trained on a massive dataset of many terabytes of text data and had a capacity of over 500 billion parameters. It was fine-tuned for a wide range of language tasks, such as text generation, language translation, and question answering with even more accuracy and fluency than GPT-3.
10. Comparative performance of humans versus GPT-4.0 and GPT-3.5 in the self- assessment program of American Academy of Ophthalmology Out of 1023 questions, GPT-4.0 achieved the best score (82.4%), followed by humans (75.7%) and GPT-3.5 (65.9%) *Ophthalmologie ist der Zweig der Medizin, der sich mit der Anatomie, Physiologie und den Krankheiten des Auges beschäftigt.
15. GPT-3: 2.048 Token GPT-4: 32.000 Token (etwa 25,000 Wörter)
23. Ich bin ein erfahrener Software-Architekt im Bereich Web- Entwicklung. Meine bevorzugte Programmiersprache ist Java bzw. Groovy. JavaScript und entsprechende Frameworks sind nicht mein Ding. Ich komme eher lieber mit minimalem JavaScript aus.
24. Ich bin ein erfahrener Software-Architekt im Bereich Web-Entwicklung. Meine bevorzugte Programmiersprache ist Java bzw. Groovy. JavaScript und entsprechende Frameworks sind nicht mein Ding. Ich komme eher lieber mit minimalem JavaScript aus. Ich bin ein erfahrener Software-Architekt im Bereich Web- Entwicklung. Meine bevorzugte Programmiersprache ist Python und JavaScript. Ich liebe moderne JavaScript Frameworks.
25. Ich bin ein erfahrener Software-Architekt im Bereich Web-Entwicklung. Meine bevorzugte Programmiersprache ist Java bzw. Groovy. JavaScript und entsprechende Frameworks sind nicht mein Ding. Ich komme eher lieber mit minimalem JavaScript aus. Meine Expertise erstreckt sich auf moderne Technologien und Ansätze wie Spring Boot für die Erstellung robuster und skalierbarer Backend-Services. Ich schätze das leichte und responsive Design von Twitter Bootstrap, welches ich gezielt einsetze, um Benutzeroberflächen effizient zu gestalten. Dokumentation ist ein integraler Bestandteil meiner Arbeit, wobei ich den Docs-as-Code-Ansatz bevorzuge, da er es ermöglicht, Dokumentation als Teil des Entwicklungscodes zu pflegen, was eine hohe Aktualität und Qualität sicherstellt. Diese Werkzeuge und Methodologien bilden das Fundament meiner Arbeit, ermöglichen mir eine agile und reaktionsfähige Entwicklungsumgebung, und helfen mir, sauberen, wartbaren Code zu schreiben.
26. Was möchten Sie, dass ChatGPT über Sie wissen, um Ihnen bessere Antworten geben zu können?
27. https://twitter.com/dr_cintas/status/1691160385297006593
33. Give the model time to “think”
34. Give the model time to “think”
39. Iterative Prompt Development
48. The Future is Now Vielen Dank
49. 📺🐦 🐶 🚨 👇