İstemi Zenginleştirme

İstemli Zenginleştirme Nasıl Çalışır?

Bu süreç genellikle orijinal istemlerin analiz edilmesini ve ek bilgi kaynaklarından ya da önceden tanımlanmış kurallardan yararlanılarak bu istemlerin güçlendirilmesini içerir. Bu, kullanıcı geçmişine erişmeyi, bir bilgi tabanından ilgili belgeleri almayı, konuşma bağlamını dahil etmeyi veya belirli biçimlendirme talimatlarını uygulamayı içerebilir. Örneğin, "Bana Ultralytics YOLO hakkında bilgi verin" gibi belirsiz bir istem, kullanıcının en son sürümle(YOLOv11) veya diğer modellerle karşılaştırıldığında performansıyla ilgilendiğini belirten bağlamla zenginleştirilebilir. YOLOv8. Sistemin ilgili veri parçacıklarını getirdiği ve bunları bilgi isteminin bağlam penceresine eklediği Alma-Artırılmış Üretim (RAG ) gibi teknikler sıklıkla kullanılmaktadır.

Uygulamalar ve Örnekler

Hızlı zenginleştirme, çeşitli yapay zeka odaklı görevlerde uygulama alanı bulur:

1. Müşteri Destek Sohbet Robotları: "Siparişim gelmedi" gibi bir kullanıcı sorgusu, kullanıcının son sipariş kimliği, gönderim adresi ve bir veritabanından alınan tahmini teslimat tarihi ile otomatik olarak zenginleştirilebilir. Bu, sohbet robotunun açıklayıcı sorular sormak yerine hemen belirli ve yararlı bir güncelleme sağlamasına olanak tanır. Bu, sanal asistanların çalışma şekline benzer şekilde bağlamsal verilerden yararlanır.
2. İçerik Oluşturma Araçları: Bir kullanıcı "Yeni bir ürünü duyuran bir e-posta yazın" talebinde bulunabilir. Sistem, şirketin marka sesi (ör. resmi, gündelik), hedef kitle (ör. mevcut müşteriler, potansiyel müşteri adayları), vurgulanacak temel ürün özellikleri ve önceden tanımlanmış kampanya hedeflerine veya şablonlarına dayalı bir harekete geçirici mesaj hakkında ayrıntılar ekleyerek bu isteği zenginleştirebilir. Bu, daha özel metin üretimine yol açar.

İstemi Zenginleştirme ve İlgili Kavramlar

Hızlı zenginleştirmeyi benzer terimlerden ayırt etmek önemlidir:

• İpucu Mühendisliği: Bu, etkili ipuçlarını manuel olarak tasarlama ve oluşturmaya yönelik daha geniş bir uygulamadır. İpucu zenginleştirme genellikle daha büyük bir ipucu mühendisliği stratejisi içinde kullanılan otomatik bir tekniktir.
• İpucu Ayarlama: Bu, "yumuşak ipuçlarını " öğrenmeyi veya model ince ayarı sırasında metinsel ipucunun kendisini değiştirmek yerine girdi katıştırmalarını değiştirmeyi içerir. Bu bir çeşit parametre-etkin ince ayar (PEFT) yöntemidir.
• Geri Alımla Zenginleştirilmiş Üretim (RAG): RAG, istem zenginleştirme için sıklıkla kullanılan, istem bağlamını geliştirmek için harici bilgi almaya odaklanan, özellikle bazı gelişmiş yapay zeka araştırmalarında keşfedildiği gibi güncel veya alana özgü bilgi gerektiren görevler için yararlı olan özel bir yöntemdir.

Standart nesne algılama gibi geleneksel bilgisayarla görme görevlerinde daha az yaygın olsa da bu kavram, daha iyi sıfır çekim performansı için bağlamsal zenginleştirmeden potansiyel olarak faydalanabilecek metin veya görüntü istemleri kullanan YOLOE gibi daha yeni istenebilir görme modelleriyle ilgilidir. Ultralytics HUB gibi platformlar, karmaşık görüş görevlerini tanımlarken kullanıcı etkileşimini basitleştirmek için bu tür teknikleri potansiyel olarak dahil edebilir.