📄️ 🟢 Introdução
Este capítulo aborda como tornar os resultados de prompt podem ser mais confiáveis e como implementar verificações para garantir que essas saídas sejam confiáveis.
📄️ 🟢 Removendo bias
Esta página aborda algumas técnicas simples para removerrespostas tendenciosas em seus prompts.
📄️ 🟡 Montagem de prompts / Métodos de ensamblagem
"Montagem de prompts" ou "Métodos de ensamblagem" (ou ensembling prompt, em inglês) é o conceito de usar vários prompts diferentes para tentar responder a mesma pergunta. Existem muitas abordagens diferentes para isso.
📄️ 🟡 Autoavaliação LLM
Autoavaliação básica
📄️ 🔴 Calibrandos LLMs
É possível contrabalançar alguns dos vieses que as LLMs exibem através da calibração de distribuições de saída(@zhao2021calibrate).
📄️ 🟡 Matemática
Durante este curso, vimos muitos métodos de prompt diferentes que podem ser usados para melhorar a habilidade matemática de um %%LLM|LLM%%. Uma abordagem recente, MathPrompter(@imani2023mathprompter), une alguns desses métodos: (%%Cadeia de Pensamento|CoT prompting%%, %%PAL|PAL%%, etc.) em uma única técnica. A ideia principal é dividir uma questão matemática em termos algébricos e, em seguida, usar código Python para resolvê-la de maneiras diferentes.