Arricchimento dei promemoria

Come funziona l'arricchimento dei prompt

Il processo prevede in genere l'analisi del messaggio originale e l'utilizzo di fonti di informazione aggiuntive o di regole predefinite per aumentarlo. Ciò potrebbe includere l'accesso alla cronologia degli utenti, il recupero di documenti rilevanti da una base di conoscenza, l'incorporazione del contesto della conversazione o l'applicazione di istruzioni di formattazione specifiche. Per esempio, una richiesta vaga come "Parlami di Ultralytics YOLO" potrebbe essere arricchita con un contesto che specifichi che l'utente è interessato all'ultima versione(YOLOv11) o alle sue prestazioni rispetto ad altri modelli come YOLOv8. Spesso vengono utilizzate tecniche come la Retrieval-Augmented Generation (RAG), in cui il sistema recupera frammenti di dati rilevanti e li aggiunge alla finestra contestuale del prompt.

Applicazioni ed esempi

L'arricchimento immediato trova applicazione in diverse attività guidate dall'intelligenza artificiale:

1. Chatbot di assistenza clienti: Una domanda dell'utente del tipo "Il mio ordine non è arrivato" può essere arricchita automaticamente con l'ID dell'ordine recente dell'utente, l'indirizzo di spedizione e la data di consegna prevista recuperati da un database. In questo modo il chatbot può fornire immediatamente un aggiornamento specifico e utile, invece di fare domande di chiarimento. In questo modo si sfruttano i dati contestuali in modo simile a come operano gli assistenti virtuali.
2. Strumenti per la creazione di contenuti: Un utente potrebbe chiedere: "Scrivi un'email per annunciare un nuovo prodotto". Il sistema potrebbe arricchire questa richiesta aggiungendo dettagli sulla voce del marchio dell'azienda (ad esempio, formale, informale), sul pubblico di destinazione (ad esempio, clienti esistenti, potenziali clienti), sulle caratteristiche chiave del prodotto da evidenziare e su una call-to-action, in base a obiettivi o modelli di campagna predefiniti. Questo porta alla generazione di testi più personalizzati.

Arricchimento dei promemoria e concetti correlati

È importante distinguere l'arricchimento immediato da termini simili:

• Ingegneria dei prompt: Si tratta della pratica più ampia di progettare e realizzare manualmente prompt efficaci. L'arricchimento dei prompt è spesso una tecnica automatizzata utilizzata all'interno di una strategia più ampia di ingegneria dei prompt.
• Regolazione del prompt: Si tratta di apprendere "suggerimenti morbidi" o di modificare le incorporazioni di input durante la messa a punto del modello piuttosto che alterare il messaggio testuale stesso. Si tratta di una forma di messa a punto efficiente dei parametri (PEFT).
• Retrieval-Augmented Generation (RAG): Il RAG è un metodo specifico spesso utilizzato per l'arricchimento del prompt, incentrato sul recupero di informazioni esterne per migliorare il contesto del prompt, particolarmente utile per compiti che richiedono conoscenze aggiornate o specifiche del dominio, come esplorato in alcune ricerche avanzate sull'intelligenza artificiale.

Sebbene sia meno comune nei compiti tradizionali di visione computerizzata, come il rilevamento di oggetti standard, il concetto è rilevante per i nuovi modelli di visione con prompt, come YOLOE, che utilizzano messaggi di testo o immagini che potrebbero potenzialmente beneficiare dell'arricchimento contestuale per migliorare le prestazioni a colpo zero. Piattaforme come Ultralytics HUB potrebbero incorporare queste tecniche per semplificare l'interazione con l'utente durante la definizione di compiti di visione complessi.