AI ইমেজ জেনারেশন টুল ডাল-ই দ্বারা কল্পনা করা সংক্ষিপ্তকরণ এজেন্ট।
আপনি কি সেই জনসংখ্যার অংশ যারা প্রতিবার যখন আপনি একটি নতুন রেস্তোরাঁয় যান Google মানচিত্রে পর্যালোচনাগুলি ছেড়ে যায়?
অথবা সম্ভবত আপনি আমাজন কেনাকাটার বিষয়ে আপনার মতামত ভাগ করে নেওয়ার ধরন, বিশেষ করে যখন আপনি একটি নিম্নমানের পণ্য দ্বারা ট্রিগার হন?
চিন্তা করবেন না, আমি আপনাকে দোষারোপ করব না - আমাদের সকলেরই আমাদের মুহূর্ত আছে!
আজকের ডেটা জগতে, আমরা সকলেই একাধিক উপায়ে ডেটা প্রলয়ের ক্ষেত্রে অবদান রাখি। একটি ডেটা টাইপ যা আমি তার বৈচিত্র্য এবং ব্যাখ্যার অসুবিধার কারণে বিশেষভাবে আকর্ষণীয় বলে মনে করি তা হল পাঠ্য ডেটা, যেমন অগণিত পর্যালোচনা যা প্রতিদিন ইন্টারনেটে পোস্ট করা হয়। আপনি কি কখনও পাঠ্য ডেটা মানককরণ এবং ঘনীভূত করার গুরুত্ব বিবেচনা করা বন্ধ করেছেন? সংক্ষিপ্তকরণ এজেন্টদের বিশ্বে স্বাগতম!
সংক্ষিপ্তকরণ এজেন্টরা নির্বিঘ্নে আমাদের প্রাত্যহিক জীবনে সংযোজিত তথ্যকে সংকুচিত করে এবং অনেকগুলি অ্যাপ্লিকেশন এবং প্ল্যাটফর্ম জুড়ে প্রাসঙ্গিক সামগ্রীতে দ্রুত অ্যাক্সেস প্রদান করে।
এই নিবন্ধে, আমরা আমাদের কাস্টম অ্যাপ্লিকেশনগুলির জন্য একটি শক্তিশালী সারসংক্ষেপ এজেন্ট হিসাবে ChatGPT-এর ব্যবহার অন্বেষণ করব। টেক্সট প্রক্রিয়া এবং বোঝার জন্য বড় ভাষা মডেল (LLM) এর ক্ষমতার জন্য ধন্যবাদ, তারা পাঠ্যগুলি পড়তে এবং সঠিক সারাংশ তৈরি করতে বা তথ্য মানক করতে সহায়তা করতে পারে. যাইহোক, এই ধরনের কাজ করার ক্ষেত্রে তাদের সম্ভাব্যতা কীভাবে বের করা যায়, সেইসাথে তাদের সীমাবদ্ধতা স্বীকার করাও গুরুত্বপূর্ণ।
সারসংক্ষেপ জন্য সবচেয়ে বড় সীমাবদ্ধতা? নির্দিষ্ট অক্ষর বা শব্দের সীমাবদ্ধতা মেনে চলার ক্ষেত্রে এলএলএম প্রায়ই কম পড়ে তাদের সারসংক্ষেপে।
চ্যাটজিপিটি-এর মাধ্যমে সারাংশ তৈরি করার জন্য সেরা অনুশীলনগুলি অন্বেষণ করা যাক আমাদের কাস্টম অ্যাপ্লিকেশনের জন্য, সেইসাথে এর সীমাবদ্ধতার পেছনের কারণ এবং কীভাবে সেগুলি কাটিয়ে উঠতে হয়!
সারসংক্ষেপ এজেন্ট ইন্টারনেট জুড়ে ব্যবহৃত হয়. উদাহরণস্বরূপ, ওয়েবসাইটগুলি নিবন্ধগুলির সংক্ষিপ্ত সারসংক্ষেপ অফার করার জন্য সারসংক্ষেপ এজেন্ট ব্যবহার করে, ব্যবহারকারীদের সম্পূর্ণ বিষয়বস্তুতে ডুব না দিয়েই খবরের দ্রুত ওভারভিউ পেতে সক্ষম করে। সোশ্যাল মিডিয়া প্ল্যাটফর্ম এবং সার্চ ইঞ্জিনগুলিও এটি করে।
নিউজ এগ্রিগেটর এবং সোশ্যাল মিডিয়া প্ল্যাটফর্ম থেকে শুরু করে ই-কমার্স ওয়েবসাইট পর্যন্ত, সারসংক্ষেপ এজেন্ট আমাদের ডিজিটাল ল্যান্ডস্কেপের একটি অবিচ্ছেদ্য অংশ হয়ে উঠেছে. এবং এলএলএম বৃদ্ধির সাথে সাথে, এই এজেন্টদের মধ্যে কিছু এখন আরও কার্যকর সারসংক্ষেপ ফলাফলের জন্য AI ব্যবহার করছে।
ChatGPT একটি ভাল সহযোগী হতে পারে যখন একটি অ্যাপ্লিকেশন তৈরি করার সময় সারমাইজেশন এজেন্ট ব্যবহার করে পড়ার কাজগুলিকে গতি বাড়ানোর জন্য এবং পাঠ্যকে শ্রেণিবদ্ধ করার জন্য। উদাহরণস্বরূপ, কল্পনা করুন আমাদের একটি ই-কমার্স ব্যবসা আছে এবং আমরা আমাদের সমস্ত গ্রাহক পর্যালোচনা প্রক্রিয়া করতে আগ্রহী। ChatGPT কোনো প্রদত্ত পর্যালোচনাকে কয়েকটি বাক্যে সংক্ষিপ্ত করতে, এটিকে সাধারণ বিন্যাসে প্রমিত করতে, নির্ধারণ করতে সাহায্য করতে পারে পর্যালোচনার অনুভূতি, এবং শ্রেণীবিভাগ এটি সেই অনুযায়ী.
যদিও এটা সত্য যে আমরা রিভিউটি ChatGPT-এ দিতে পারি, সেরা অনুশীলনের একটি তালিকা রয়েছে - এবং এড়ানোর জিনিসগুলি - এই কংক্রিট টাস্কে ChatGPT-এর শক্তিকে কাজে লাগাতে।
আসুন এই উদাহরণটিকে জীবন্ত করে তুলে বিকল্পগুলি অন্বেষণ করি!
উদাহরণ: ই-কমার্স রিভিউ
স্ব-তৈরি জিআইএফ।
উপরের উদাহরণটি বিবেচনা করুন যেখানে আমরা আমাদের ই-কমার্স ওয়েবসাইটে একটি প্রদত্ত পণ্যের জন্য সমস্ত পর্যালোচনা প্রক্রিয়া করতে আগ্রহী। আমরা আমাদের তারকা পণ্য সম্পর্কে নিম্নলিখিতগুলির মতো পর্যালোচনাগুলি প্রক্রিয়া করতে আগ্রহী হব: শিশুদের জন্য প্রথম কম্পিউটার!
prod_review = """
I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlier
than expected, so I got to play with it myself before I gave it to him. """
এই ক্ষেত্রে, আমরা চাই যে চ্যাটজিপিটি:
পর্যালোচনাটিকে ইতিবাচক বা নেতিবাচক মধ্যে শ্রেণীবদ্ধ করুন।
20টি শব্দের পর্যালোচনার সারাংশ দিন।
সমস্ত রিভিউকে একটি একক বিন্যাসে প্রমিত করার জন্য একটি কংক্রিট কাঠামোর সাথে প্রতিক্রিয়া আউটপুট করুন।
বাস্তবায়ন নোট
আমাদের কাস্টম অ্যাপ্লিকেশন থেকে ChatGPT প্রম্পট করতে আমরা এখানে মৌলিক কোড কাঠামো ব্যবহার করতে পারি। আমি একটি লিঙ্ক প্রদান Jupyter নোটবুক এই নিবন্ধে ব্যবহৃত সমস্ত উদাহরণ সহ।
import openai
import os openai.api_key_path = "/path/to/key" def get_completion(prompt, model="gpt-3.5-turbo"): """
This function calls ChatGPT API with a given prompt
and returns the response back. """ messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.create( model=model, messages=messages, temperature=0 ) return response.choices[0].message["content"] user_text = f"""
<Any given text> """ prompt = f"""
<Any prompt with additional text> """{user_text}""" """ # A simple call to ChatGPT
response = get_completion(prompt)
কাজ get_completion() একটি প্রদত্ত সঙ্গে ChatGPT API কল করে প্রম্পট. যদি প্রম্পটে অতিরিক্ত থাকে ব্যবহারকারীর পাঠ্য, যেমন আমাদের ক্ষেত্রে পর্যালোচনা নিজেই, এটি ট্রিপল উদ্ধৃতি দ্বারা বাকি কোড থেকে পৃথক করা হয়।
এর ব্যবহার করা যাক get_completion() ChatGPT প্রম্পট করার ফাংশন!
উপরে বর্ণিত প্রয়োজনীয়তাগুলি পূরণ করার জন্য এখানে একটি প্রম্পট রয়েছে:
prompt = f"""
Your task is to generate a short summary of a product review from an e-commerce site. Summarize the review below, delimited by triple backticks, in exactly 20 words. Output a json with the sentiment of the review, the summary and original review as keys. Review: ```{prod_review}``` """
response = get_completion(prompt)
print(response)
{ "sentiment": "positive", "summary": "Durable and engaging children's computer with intuitive interface and educational games. Volume could be louder.", "review": "I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlierthan expected, so I got to play with it myself before I gave it to him."
}
আমরা আউটপুট থেকে পর্যবেক্ষণ করতে পারি, পর্যালোচনাটি সঠিক এবং সুগঠিত, যদিও এটি কিছু তথ্য মিস করে যা আমরা ই-কমার্সের মালিক হিসাবে আগ্রহী হতে পারি, যেমন পণ্য বিতরণ সম্পর্কে তথ্য.
ফোকাস অন দিয়ে সারসংক্ষেপ করুন
আমরা ChatGPT কে সারাংশের কিছু বিষয়ের উপর ফোকাস করতে বলে আমাদের প্রম্পটকে পুনরাবৃত্তিমূলকভাবে উন্নত করতে পারি. এই ক্ষেত্রে, আমরা শিপিং এবং ডেলিভারি সম্পর্কে প্রদত্ত যে কোনও বিবরণে আগ্রহী:
prompt = f"""
Your task is to generate a short summary of a product review from an ecommerce site. Summarize the review below, delimited by triple backticks, in exactly 20 words and focusing on any aspects that mention shipping and delivery of the product. Output a json with the sentiment of the review, the summary and original review as keys. Review: ```{prod_review}``` """ response = get_completion(prompt)
print(response)
এইবার, ChatGPT এর উত্তরটি নিম্নরূপ:
{ "sentiment": "positive", "summary": "Durable and engaging children's computer with intuitive interface. Arrived a day earlier than expected.", "review": "I purchased this children's computer for my son, and he absolutely adores it. He spends hours exploring its various features and engaging with the educational games. The colorful design and intuitive interface make it easy for him to navigate. The computer is durable and built to withstand rough handling, which is perfect for active kids. My only minor gripe is that the volume could be a bit louder. Overall, it's an excellent educational toy that provides hours of fun and learning for my son. It arrived a day earlierthan expected, so I got to play with it myself before I gave it to him."
}
এখন পর্যালোচনা অনেক বেশি সম্পূর্ণ. আমাদের ব্যবহারের ক্ষেত্রে মূল্যবান হতে পারে এমন কিছু তথ্য ChatGPT এড়িয়ে যাওয়ার জন্য মূল পর্যালোচনার গুরুত্বপূর্ণ ফোকাসের উপর বিশদ বিবরণ দেওয়া অত্যন্ত গুরুত্বপূর্ণ.
আপনি কি লক্ষ্য করেছেন যে যদিও এই দ্বিতীয় ট্রায়ালে ডেলিভারির তথ্য রয়েছে, তবে এটি মূল পর্যালোচনার একমাত্র নেতিবাচক দিকটিকে এড়িয়ে গেছে?
এর ঠিক করা যাক!
"সারাংশ" এর পরিবর্তে "এক্সট্রাক্ট করুন"
সংক্ষিপ্তকরণের কাজগুলি তদন্ত করে, আমি এটি খুঁজে পেয়েছি ব্যবহারকারীর প্রম্পট যথেষ্ট সঠিক না হলে সংক্ষিপ্তকরণ LLM-এর জন্য একটি কঠিন কাজ হতে পারে.
ChatGPT-কে একটি প্রদত্ত পাঠ্যের সারসংক্ষেপ প্রদান করতে বলার সময়, এটি আমাদের জন্য প্রাসঙ্গিক হতে পারে এমন তথ্য এড়িয়ে যেতে পারে - যেমন আমরা সম্প্রতি অভিজ্ঞতা করেছি - অথবা এটি পাঠ্যের সমস্ত বিষয়কে একই গুরুত্ব দেবে, শুধুমাত্র মূল পয়েন্টগুলির একটি ওভারভিউ প্রদান করবে।
এলএলএম বিশেষজ্ঞরা এই শব্দটি ব্যবহার করেন নির্যাস এবং পরিবর্তে তাদের ফোকাস উপর অতিরিক্ত তথ্য সংক্ষিপ্ত করা এই ধরনের মডেলের সাহায্যে এই ধরনের কাজ করার সময়।
যদিও সংক্ষিপ্তকরণের লক্ষ্য টেক্সটের প্রধান পয়েন্টগুলির একটি সংক্ষিপ্ত ওভারভিউ প্রদান করা যার মধ্যে বিষয়গুলি ফোকাসের বিষয়ের সাথে সম্পর্কিত নয়, তথ্য নিষ্কাশন নির্দিষ্ট বিবরণ পুনরুদ্ধারের উপর ফোকাস করে এবং আমরা ঠিক যা খুঁজছি তা আমাদের দিতে পারে। এর নিষ্কাশন সঙ্গে তারপর চেষ্টা করা যাক!
prompt = f"""
Your task is to extract relevant information from a product review from an ecommerce site to give feedback to the Shipping department. From the review below, delimited by triple quotes extract the information relevant to shipping and delivery. Use 100 characters. Review: ```{prod_review}``` """ response = get_completion(prompt)
print(response)
এই ক্ষেত্রে, নিষ্কাশন ব্যবহার করে, আমরা শুধুমাত্র আমাদের ফোকাসের বিষয় সম্পর্কে তথ্য পাই: Shipping: Arrived a day earlier than expected.
স্বয়ংক্রিয়করণ
এই সিস্টেমটি একটি একক পর্যালোচনার জন্য কাজ করে। তবুও, একটি কংক্রিট অ্যাপ্লিকেশনের জন্য একটি প্রম্পট ডিজাইন করার সময়, উদাহরণগুলির একটি ব্যাচে এটি পরীক্ষা করা গুরুত্বপূর্ণ যাতে আমরা মডেলটিতে কোনও বহিরাগত বা অসদাচরণ ধরতে পারি.
একাধিক পর্যালোচনা প্রক্রিয়াকরণের ক্ষেত্রে, এখানে একটি নমুনা পাইথন কোড কাঠামো যা সাহায্য করতে পারে।
reviews = [ "The children's computer I bought for my daughter is absolutely fantastic! She loves it and can't get enough of the educational games. The delivery was fast and arrived right on time. Highly recommend!", "I was really disappointed with the children's computer I received. It didn't live up to my expectations, and the educational games were not engaging at all. The delivery was delayed, which added to my frustration.", "The children's computer is a great educational toy. My son enjoys playing with it and learning new things. However, the delivery took longer than expected, which was a bit disappointing.", "I am extremely happy with the children's computer I purchased. It's highly interactive and keeps my kids entertained for hours. The delivery was swift and hassle-free.", "The children's computer I ordered arrived damaged, and some of the features didn't work properly. It was a huge letdown, and the delivery was also delayed. Not a good experience overall."
] prompt = f""" Your task is to generate a short summary of each product review from an e-commerce site. Extract positive and negative information from each of the given reviews below, delimited by triple backticks in at most 20 words each. Extract information about the delivery, if included. Review: ```{reviews}``` """
এখানে আমাদের পর্যালোচনা ব্যাচের সারসংক্ষেপ রয়েছে:
1. Positive: Fantastic children's computer, fast delivery. Highly recommend.
2. Negative: Disappointing children's computer, unengaging games, delayed delivery.
3. Positive: Great educational toy, son enjoys it. Delivery took longer than expected.
4. Positive: Highly interactive children's computer, swift and hassle-free delivery.
5. Negative: Damaged children's computer, some features didn't work, delayed delivery.
⚠️ মনে রাখবেন যে যদিও আমাদের প্রম্পটগুলিতে আমাদের সারাংশের সীমাবদ্ধতা শব্দটি যথেষ্ট পরিষ্কার ছিল, আমরা সহজেই দেখতে পাচ্ছি যে এই শব্দ সীমাবদ্ধতা কোনো পুনরাবৃত্তিতে সম্পন্ন হয় না।
শব্দ গণনায় এই অমিল ঘটে কারণ এলএলএম-এর শব্দ বা অক্ষর গণনার সঠিক ধারণা নেই। এর পিছনে কারণটি তাদের স্থাপত্যের প্রধান গুরুত্বপূর্ণ উপাদানগুলির একটির উপর নির্ভর করে: টোকেনাইজার.
টোকেনাইজার
ChatGPT-এর মতো LLMগুলি প্রচুর পরিমাণে ভাষা ডেটা থেকে শেখা পরিসংখ্যানগত নিদর্শনগুলির উপর ভিত্তি করে পাঠ্য তৈরি করার জন্য ডিজাইন করা হয়েছে। যদিও তারা সাবলীল এবং সুসঙ্গত পাঠ্য তৈরিতে অত্যন্ত কার্যকর, তবে শব্দ গণনার উপর তাদের সুনির্দিষ্ট নিয়ন্ত্রণের অভাব রয়েছে.
উপরের উদাহরণগুলিতে, যখন আমরা একটি খুব সুনির্দিষ্ট শব্দ গণনা সম্পর্কে নির্দেশনা দিয়েছি, চ্যাটজিপিটি সেই প্রয়োজনীয়তাগুলি পূরণ করতে লড়াই করছিল. পরিবর্তে, এটি টেক্সট তৈরি করেছে যা প্রকৃতপক্ষে নির্দিষ্ট শব্দ সংখ্যার চেয়ে ছোট।
অন্য ক্ষেত্রে, এটি দীর্ঘ টেক্সট তৈরি করতে পারে বা সহজভাবে টেক্সট তৈরি করতে পারে যা অত্যধিক ভারবোস বা বিশদ বিবরণের অভাব। উপরন্তু, ChatGPT শব্দ সংখ্যার কঠোর আনুগত্যের চেয়ে সংগতি এবং প্রাসঙ্গিকতার মতো অন্যান্য বিষয়গুলিকে অগ্রাধিকার দিতে পারে. এর ফলে এমন টেক্সট হতে পারে যা তার বিষয়বস্তু এবং সুসংগততার দিক থেকে উচ্চ-মানের, কিন্তু শব্দ গণনার প্রয়োজনীয়তার সাথে সঠিকভাবে মেলে না।
টোকেনাইজার হল চ্যাটজিপিটির আর্কিটেকচারের মূল উপাদান যা জেনারেট করা আউটপুটে শব্দের সংখ্যাকে স্পষ্টভাবে প্রভাবিত করে.
স্ব-তৈরি জিআইএফ।
টোকেনাইজার আর্কিটেকচার
টোকেনাইজার পাঠ্য তৈরির প্রক্রিয়ার প্রথম ধাপ। আমরা ChatGPT-এ যে টেক্সট ইনপুট করি তা আলাদা আলাদা উপাদানে ভাঙার জন্য এটি দায়ী — টোকেন —, যা তারপর নতুন টেক্সট তৈরি করতে ভাষা মডেল দ্বারা প্রক্রিয়া করা হয়।
টোকেনাইজার যখন টোকেনগুলিতে পাঠ্যের একটি অংশকে ভেঙে দেয়, তখন এটি এমন কিছু নিয়মের উপর ভিত্তি করে করে যা লক্ষ্য ভাষার অর্থপূর্ণ এককগুলি সনাক্ত করার জন্য ডিজাইন করা হয়েছে। যাইহোক, এই নিয়ম সবসময় নিখুঁত হয় না, এবং এমন কিছু ঘটনা ঘটতে পারে যেখানে টোকেনাইজার টোকেনগুলিকে এমনভাবে বিভক্ত বা একত্রিত করে যা পাঠ্যের সামগ্রিক শব্দ সংখ্যাকে প্রভাবিত করে.
উদাহরণস্বরূপ, নিম্নলিখিত বাক্যটি বিবেচনা করুন: "আমি একটি চিনাবাদাম মাখন স্যান্ডউইচ খেতে চাই"। যদি টোকেনাইজারকে স্পেস এবং বিরাম চিহ্নের উপর ভিত্তি করে টোকেনগুলিকে বিভক্ত করার জন্য কনফিগার করা হয়, তাহলে এটি এই বাক্যটিকে নিম্নলিখিত টোকেনে ভেঙে দিতে পারে যার মোট শব্দ সংখ্যা 8, টোকেন গণনার সমান।
নিজের তৈরি ছবি।
তবে টোকেনাইজার কনফিগার করলে চিকিৎসা করা যায় "বাদামের মাখন" একটি যৌগিক শব্দ হিসাবে, এটি নিম্নলিখিত টোকেনগুলিতে বাক্যটিকে ভেঙে ফেলতে পারে, মোট শব্দ সংখ্যা ৮, কিন্তু টোকেন গণনা ৭.
সুতরাং, টোকেনাইজারটি যেভাবে কনফিগার করা হয়েছে তা পাঠ্যের সামগ্রিক শব্দ গণনাকে প্রভাবিত করতে পারে, এবং এটি সুনির্দিষ্ট শব্দ সংখ্যা সম্পর্কে নির্দেশাবলী অনুসরণ করার জন্য LLM-এর ক্ষমতাকে প্রভাবিত করতে পারে। যদিও কিছু টোকেনাইজার পাঠ্যকে কীভাবে টোকেনাইজ করা হয় তা কাস্টমাইজ করার জন্য বিকল্পগুলি অফার করে, এটি সর্বদা শব্দ গণনার প্রয়োজনীয়তাগুলির সুনির্দিষ্ট আনুগত্য নিশ্চিত করার জন্য যথেষ্ট নয়। এই ক্ষেত্রে ChatGPT-এর জন্য, আমরা এর আর্কিটেকচারের এই অংশটিকে নিয়ন্ত্রণ করতে পারি না.
এটি ChatGPT কে অক্ষর বা শব্দের সীমাবদ্ধতা অর্জনে এতটা ভালো করে তোলে না, তবে কেউ এর পরিবর্তে বাক্য দিয়ে চেষ্টা করতে পারে কারণ টোকেনাইজার প্রভাবিত করে না বাক্য সংখ্যা, কিন্তু তাদের দৈর্ঘ্য.
এই সীমাবদ্ধতা সম্পর্কে সচেতন হওয়া আপনাকে আপনার আবেদনের জন্য সর্বোত্তম উপযুক্ত প্রম্পট তৈরি করতে সাহায্য করতে পারে। ChatGPT-এ শব্দ গণনা কীভাবে কাজ করে সে সম্পর্কে এই জ্ঞান থাকা, আসুন ই-কমার্স অ্যাপ্লিকেশনের জন্য আমাদের প্রম্পটের সাথে একটি চূড়ান্ত পুনরাবৃত্তি করি!
মোড়ানো: ই-কমার্স পর্যালোচনা
আসুন এই নিবন্ধটি থেকে আমাদের শিক্ষাগুলিকে একটি চূড়ান্ত প্রম্পটে একত্রিত করি! এই ক্ষেত্রে, আমরা ফলাফলের জন্য জিজ্ঞাসা করা হবে HTML একটি সুন্দর আউটপুট জন্য বিন্যাস:
from IPython.display import display, HTML prompt = f"""
Your task is to extract relevant information from a product review from an ecommerce site to give feedback to the Shipping department and generic feedback from the product. From the review below, delimited by triple quotes construct an HTML table with the sentiment of the review, general feedback from
the product in two sentences and information relevant to shipping and delivery. Review: ```{prod_review}``` """ response = get_completion(prompt)
display(HTML(response))
এবং এখানে ChatGPT থেকে চূড়ান্ত আউটপুট:
থেকে স্ব-তৈরি স্ক্রিনশট Jupyter নোটবুক এই নিবন্ধে ব্যবহৃত উদাহরণ সহ।
সারাংশ
এই অনুচ্ছেদে, আমরা আমাদের কাস্টম অ্যাপ্লিকেশনের জন্য একটি সারসংক্ষেপ এজেন্ট হিসাবে ChatGPT ব্যবহার করার সর্বোত্তম অনুশীলনগুলি নিয়ে আলোচনা করেছি.
আমরা দেখেছি যে একটি অ্যাপ্লিকেশন তৈরি করার সময়, প্রথম ট্রায়ালে আপনার আবেদনের প্রয়োজনীয়তার সাথে মেলে এমন নিখুঁত প্রম্পট নিয়ে আসা অত্যন্ত কঠিন। আমি মনে করি একটি চমৎকার গৃহীত বার্তা হল একটি পুনরাবৃত্তিমূলক প্রক্রিয়া হিসাবে প্রম্পট সম্পর্কে চিন্তা করুন যেখানে আপনি পছন্দসই আউটপুট না পাওয়া পর্যন্ত আপনার প্রম্পটকে পরিমার্জন এবং মডেল করবেন।
আপনার প্রম্পটকে পুনরাবৃত্তভাবে পরিমার্জন করে এবং এটি উৎপাদনে স্থাপন করার আগে উদাহরণের একটি ব্যাচে প্রয়োগ করে, আপনি নিশ্চিত করতে পারেন আউটপুট একাধিক উদাহরণ জুড়ে সামঞ্জস্যপূর্ণ এবং আউটলিয়ার প্রতিক্রিয়াগুলি কভার করে. আমাদের উদাহরণে, এটি ঘটতে পারে যে কেউ একটি পর্যালোচনার পরিবর্তে একটি এলোমেলো পাঠ্য সরবরাহ করে৷ আমরা ChatGPT-কে নির্দেশ দিতে পারি যে এই বহিঃপ্রকাশগুলি বাদ দেওয়ার জন্য একটি প্রমিত আউটপুট থাকতে হবে.
এছাড়াও, একটি নির্দিষ্ট কাজের জন্য ChatGPT ব্যবহার করার সময়, আমাদের টার্গেট টাস্কের জন্য LLM ব্যবহার করার সুবিধা এবং অসুবিধাগুলি সম্পর্কে জানার জন্য এটি একটি ভাল অনুশীলন। এভাবেই আমরা বুঝতে পেরেছি যে নিষ্কাশন কাজগুলি সংক্ষিপ্তকরণের চেয়ে বেশি কার্যকর যখন আমরা একটি ইনপুট পাঠ্যের সাধারণ মানুষের মতো সারাংশ চাই। আমরা আরও শিখেছি যে সারাংশের ফোকাস প্রদান একটি হতে পারে খেলা পরিবর্তনকারী উত্পন্ন বিষয়বস্তু সম্পর্কে।
অবশেষে, যদিও এলএলএমগুলি পাঠ্য তৈরিতে অত্যন্ত কার্যকর হতে পারে, তারা শব্দ গণনা বা অন্যান্য নির্দিষ্ট বিন্যাস প্রয়োজনীয়তা সম্পর্কে সুনির্দিষ্ট নির্দেশাবলী অনুসরণ করার জন্য আদর্শ নয়. এই লক্ষ্যগুলি অর্জনের জন্য, বাক্য গণনা বা অন্যান্য সরঞ্জাম বা পদ্ধতি ব্যবহার করা প্রয়োজন হতে পারে, যেমন ম্যানুয়াল সম্পাদনা বা আরও বিশেষ সফ্টওয়্যার।
এই নিবন্ধটি মূলত উপর প্রকাশ করা হয়েছিল ডেটা সায়েন্সের দিকে এবং লেখকের অনুমতি নিয়ে TOPBOTS এ আবার প্রকাশিত।
এই নিবন্ধটি উপভোগ করবেন? আরও এআই গবেষণা আপডেটের জন্য সাইন আপ করুন।
আমরা যখন এর মতো আরও সংক্ষিপ্ত নিবন্ধগুলি প্রকাশ করি তখন আমরা আপনাকে জানাব।
