Rekayasa instruksi atau adalah proses menyusun atau membuat instruksi agar model besar mampu menghasilkan jawaban yang lebih baik dan respons yang diinginkan dari model kecerdasan buatan (AI) generatif. Teknik ini menjadi penting karena model bekerja berdasarkan pola data, sehingga cara pengguna memberi instruksi sangat memngaruhi hasil outputnya..
Sumber: Lihat artikel asli di Wikipedia
Rekayasa instruksi atau (bahasa inggris: prompt engineering) adalah proses menyusun atau membuat instruksi agar model besar (Large Language Model/LLM) mampu menghasilkan jawaban yang lebih baik dan respons yang diinginkan dari model kecerdasan buatan (AI) generatif. Teknik ini menjadi penting karena model bekerja berdasarkan pola data, sehingga cara pengguna memberi instruksi sangat memngaruhi hasil outputnya. [1].
Prompt adalah teks bahasa alami yang menjelaskan tugas yang harus dilakukan oleh AI. Prompt untuk model bahasa teks-ke-teks dapat berupa kueri, perintah, atau pernyataan yang lebih panjang, termasuk konteks, instruksi, dan riwayat percakapan. Rekayasa prompt dapat melibatkan penyusunan frasa kueri, penentuan gaya, pilihan kata, dan tata bahasa, penyediaan konteks yang relevan, atau deskripsi karakter yang akan ditiru oleh AI.
Fokusnya pada bagaimana menyusun perintah secara jelas dan terarah. Instruksi yang baik dapat membantu model atau prompt memahami maksud pengguna sehingga dapat memberikan jawaban yang lebih relevan dan sesuai kebutuhan.
Beberapa praktik dasar meliputi:
Berbagai teknik digunakan untuk membantu model memahami tugas yang diberikan
Teknik ini mendorong model menjelaskan langkah-langkah pemikirannya sebelum memberi jawaban akhir. Cara ini dapat meningkatkan akurasi pada masalah yang memerlukan penalaran bertahap. [3]
Few-shot prompting memberi beberapa contoh agar model memahami pola tugas.
Zero-shot prompting hanya mengandalkan instruksi yang jelas tanpa contoh tambahan. [3]
Auto-CoT (Automatic Chain-of-Thought) adalah metode yang membuat model menghasilkan penalaran secara otomatis tanpa contoh manual. Penelitian terbaru juga memperkenalkan pola penalaran bercabang seperti tree-of-thought untuk mengeksplorasi lebih banyak kemungkinan jawaban. [3]
Rekayasa instruksi digunakan dalam berbagai bidang, seperti penulisan otomatis, layanan pelanggan, pendidikan, analisis data, dan pembuatan perangkat lunak. Teknik ini memungkinkan pengguna memaksimalkan kemampuan model AI tanpa perlu mengubah parameter internalnya.[4]
Namun, rekayasa instruksi juga memiliki tantangan. Instruksi yang terlalu luas dapat menghasilkan jawaban yang tidak tepat, sedangkan instruksi yang terlalu rumit dapat membingungkan model. Selain itu, hasil keluaran tetap dipengaruhi oleh keterbatasan pengetahuan model dan bias dalam data pelatihannya.
| Basis data pengawasan otoritas: Nasional |
|---|
