📄️ 🟢 Pendahuluan
Bab ini membahas bagaimana membuat penyelesaian lebih dapat diandalkan, serta bagaimana mengimplementasikan pemeriksaan untuk memastikan outputnya dapat diandalkan.
📄️ 🟢 Mengurangi Bias pada Prompt
Halaman ini mencakup beberapa teknik sederhana untuk mengurangi bias pada permintaan Anda.
📄️ 🟡 Prompt Ensembling
Prompt ensembling adalah konsep menggunakan beberapa prompt yang berbeda untuk mencoba menjawab pertanyaan yang sama. Ada banyak pendekatan berbeda terhadap ini.
📄️ 🟡 Evaluasi Mandiri LLM
Dasar Evaluasi Mandiri
📄️ 🔴 Mengkalibrasi LLM
Ada kemungkinan untuk menetralkan beberapa bias LLM dengan mengkalibrasi distribusi output(@zhao2021calibrate).
📄️ 🟡 Matematika
Sepanjang kursus ini, kita telah melihat banyak metode penggerak yang berbeda yang dapat digunakan untuk meningkatkan kemampuan matematika %%LLM|LLM%%. Satu pendekatan terbaru, MathPrompter(@imani2023mathprompter), menyatukan beberapa metode ini (%%CoT|CoT prompting%%, %%PAL|PAL%%, dll.) menjadi satu teknik tunggal. Ide utama adalah memecah pertanyaan matematika menjadi istilah aljabar kemudian menggunakan kode Python untuk memecahkannya dengan cara yang berbeda.