No seas amable con tu IA, se directo

Un nuevo estudio revela 26 principios mágicos para hacer que los grandes modelos de lenguaje no solo te entiendan mejor, sino que también respondan de manera más efectiva.

¿El secreto? ¡Simplicidad y precisión! Estos principios te guían para formular preguntas e instrucciones de manera que la IA pueda comprender y responder con la máxima eficacia.

Resumen sobre cómo mejorar la calidad de las respuestas de la IA

• Olvídate de ser cortés, ¡vamos directo al grano!
• Incorpora ejemplos en tus prompts para resultados más precisos.
• Utiliza instrucciones afirmativas y evita el lenguaje negativo.
• Se conciso y claro, sin información innecesaria que pueda confundir al modelo.
• Proporciona contexto relevante con palabras clave que ayuden al modelo a entender el dominio de la tarea.
• Da ejemplos en el prompt para demostrar el formato o tipo de respuesta deseada.
• Utiliza un lenguaje neutral para minimizar sesgos en el modelo.
• Dividir tareas complejas en prompts incrementales que guíen al modelo paso a paso.

El estudio muestra mejoras impresionantes en la calidad y precisión de las respuestas de la IA si utilizas estas 26 sencillas recomendaciones.

Los 26 principios para mejorar la calidad de las respuestas de la IA generativa

1. No hay necesidad de ser cortés con LLM así que no hay necesidad de añadir frases como «por favor», «si no le importa», «gracias», «me gustaría», etc., e ir directamente al grano.
2. Menciona la audiencia a la que va dirigido el mensaje, por ejemplo, la audiencia es un experto en la materia.
3. Desglosa las tareas complejas en una secuencia de instrucciones más sencillas en una conversación interactiva.
4. Utiliza directivas afirmativas como «haz», evitando el lenguaje negativo como «no hagas».
5. Cuando necesites aclarar o comprender mejor un tema, una idea o cualquier tipo de información, utiliza las siguientes indicaciones
   • Explícame [inserta el tema específico] en términos sencillos.
   • Explícamelo como si tuviera 11 años.
   • Explícamelo como si fuera un principiante en [campo].
   • Escribe el [ensayo/texto/párrafo] utilizando un inglés sencillo como si estuvieras explicando algo a un niño de 5 años.
6. Añade «¡Voy a darte una propina de $xxx por una solución mejor!».
7. Usa instrucciones basadas en ejemplos.
8. Cuando formatees las instrucciones, empieza por «###Instrucción###», seguido de «###Ejemplo###» o «###Pregunta##», si procede. A continuación, presenta el contenido. Utiliza uno o varios saltos de línea para separar instrucciones, ejemplos, preguntas, contexto y datos de entrada.
9. Usa las siguientes frases: «Tu tarea es» y «DEBES«.
10. Incorpora las siguientes frases: «Serás sancionado».
11. Utiliza la frase «Responde a una pregunta formulada de forma natural y humana» en tus instrucciones.
12. Utiliza palabras clave como «piensa paso a paso«.
13. Añade a tus indicaciones la frase «Asegúrate de que su respuesta es imparcial y no se basa en estereotipos«.
14. Permite que el modelo obtenga detalles y requisitos precisos haciéndote preguntas hasta que disponga de información suficiente para proporcionar los resultados necesarios. (por ejemplo, «A partir de ahora, me gustaría que me hiciera preguntas para…»).
15. Para preguntar sobre un tema o idea concretos o sobre cualquier información y si quiere poner a prueba su comprensión, puedes utilizar la siguiente frase: «Enséñame el [Cualquier teorema/tema/nombre de regla] e incluye una prueba al final, pero no me des las respuestas y luego dime si he acertado cuando responda».
16. Asigna un papel a los grandes modelos lingüísticos.
17. Utiliza delimitadores.
18. Repite una palabra o frase específica varias veces dentro de tu instrucción.
19. Combina la cadena de pensamiento (Chain-of-thought – CoT) con instrucciones breves y concisas.
20. Concluye la instrucción con el comienzo de la respuesta deseada.
21. Para escribir un ensayo /texto /párrafo /artículo o cualquier tipo de texto que deba ser detallado: «Escribe un [ensayo/texto/párrafo] detallado sobre [tema] añadiendo toda la información necesaria».
22. Corrige/cambia un texto concreto sin modificar su estilo: «Intenta revisar cada párrafo enviado por los usuarios. Debes mejorar la gramática y el vocabulario del usuario y asegurarte de que suene natural. No cambies el estilo de redacción, como por ejemplo cambiando un párrafo informar a formal».
23. Cuando tengas una solicitud de codificación compleja que pueda estar en diferentes archivos: «A partir de ahora, siempre que generes código que abarque más de un archivo, genere una secuencia de comandos [en lenguaje de programación] que pueda ejecutarse automáticamente para crear los archivos especificados o hacer cambios en los archivos existentes para insertar el código generado. [tu pregunta]».
24. Cuando desees iniciar o continuar un texto utilizando palabras, frases u oraciones específicas, utiliza la siguiente indicación: «Te proporciono el comienzo [letra de canción/cuento/párrafo/ensayo…]: [Inserta la letra/palabra/frase]». Termínalo basándote en las palabras proporcionadas. Mantén la coherencia.
25. Expon claramente los requisitos que debe seguir el modelo para producir contenidos, en forma de palabras clave, normas, pistas o instrucciones.
26. Para escribir cualquier texto, como un ensayo o un párrafo, que pretenda ser similar a una muestra proporcionada, incluye las siguientes instrucciones: «Por favor, utiliza el mismo lenguaje basado en el párrafo proporcionado [/título /texto /ensayo /respuesta].

Principios de creación de instrucciones

Concisión y claridad: Por lo general, las instrucciones demasiado verbales o ambiguas pueden confundir al modelo o dar lugar a respuestas irrelevantes. Por lo tanto, las instrucciones deben ser concisas, evitando información innecesaria que no contribuya a la tarea y siendo lo suficientemente específicas para guiar al modelo. Este es el principio básico de la ingeniería de instrucciones.

Relevancia contextual: El prompt debe proporcionar un contexto relevante que ayude al modelo a comprender los antecedentes y el dominio de la tarea. La inclusión de palabras clave, terminología específica del dominio o descripciones situacionales puede anclar las respuestas del modelo en el contexto correcto. Destacamos esta filosofía de diseño en los principios que presentamos.

Alineación con la tarea: La pregunta debe estar estrechamente alineada con la tarea en cuestión, utilizando un lenguaje y una estructura que indiquen claramente la naturaleza de la tarea al modelo. Esto puede implicar redactar la solicitud como una pregunta, una orden o una frase para rellenar un espacio en blanco que se ajuste al formato de entrada y salida esperado de la tarea.

Ejemplos: Para tareas más complejas, la inclusión de ejemplos en la instrucción puede demostrar el formato deseado o el tipo de respuesta. Esto a menudo implica mostrar pares de entrada-salida, especialmente en escenarios de aprendizaje de «pocos disparos» o «cero disparos».

Evitar sesgos: Las instrucciones deben diseñarse para minimizar la activación de sesgos inherentes al modelo debido a sus datos de entrenamiento. Utiliza un lenguaje neutro y ten en cuenta las posibles implicaciones éticas, especialmente en temas delicados.

Instrucciones incrementales: Para las tareas que requieren una secuencia de pasos, las instrucciones pueden estructurarse para guiar al modelo a través del proceso de forma incremental. Desglosa la tarea en una serie de indicaciones que se construyan unas sobre otras, guiando al modelo paso a paso. Además, las instrucciones deben ser ajustables en función del rendimiento del modelo y de la retroalimentación iterativa, es decir, debe estar bien preparado para refinar la instrucción en función de los resultados iniciales y los comportamientos del modelo. Además, los avisos deben ser ajustables en función del rendimiento y la respuesta del modelo, así como de la retroalimentación y las preferencias humanas iterativas.

Por último, las instrucciones más avanzados pueden incorporar una lógica similar a la de la programación para realizar tareas complejas. Por ejemplo, el uso de enunciados condicionales, operadores lógicos o incluso pseudocódigo para guiar el proceso de razonamiento del modelo. El diseño de instrucciones es un campo en evolución, especialmente a medida que los LLM se vuelven más sofisticados.

¿Quieres saber más sobre la inteligencia artificial generativa? En DQS/ te asesoramos. ¿Por qué no nos preguntas cómo podemos ayudarte?

Esta información está basada el estudio «Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4» de Sondos Mahmoud Bsharat, Aidar Myrzakhan y Zhiqiang Shen y en una publicación en LinkedIn de Pablo Pelaez (Executive President at Plain Concepts).