📄️ 🟢 介紹
本章介紹如何使 LLM 產生的結果更加可靠，以及如何透過檢查來確保 LLM 產生結果的可靠性。
📄️ 🟢 提示去偏差法
本頁面介紹了一些簡單的技巧用以去除提示中的偏差。
📄️ 🟡 提示集成
提示集成(prompt ensembling)是使用多個不同的提示概念，來嘗試回答相同問題的過程。對此有許多不同的方法。
📄️ 🟡 大語言模型自我評估
基本自我評估
📄️ 🔴 校準大語言模型
透過校準輸出分佈(@zhao2021calibrate)，可以抵消 LLM 表現出的某些偏差。
📄️ 🟡 數學演算
在整個課程中，我們看到了許多不同的提示方法，可以用來提高 %%LLM|LLM%% 數學能力。最近的一種方法 MathPrompter(@imani2023mathprompter) 將其中一些方法(%%CoT|CoT prompting%%, %%PAL|PAL%%, etc.) 統一為一項技術。總體思想是將數學問題分解為代數術語，然後使用 Python 程式碼以不同的方式解決它。