Skip to content

35 منٹ

تین طریقے

  1. وہ ماڈل جس نے سب کچھ پڑھ رکھا ہو، ایک ساتھ سب جیسی آواز نہیں نکال سکتا۔ کسی ہدایت کے بغیر کہ کون بننا ہے، یہ ایک عمومی، تھوڑی امریکی، تھوڑی کسٹمر سروس والی آواز پر آ جاتا ہے جو پاکستانی دفتر سے میل نہیں کھاتی۔ اسے ٹھیک کرنے کا تیز ترین طریقہ یہ بتانا ہے کہ ماڈل کون ہے۔ یہ ایک ہدایت، جسے role prompting یا persona prompting کہا جاتا ہے، آؤٹ پُٹ کو chain-of-thought کے سوا کسی بھی ترکیب سے زیادہ بدلتی ہے۔ یہ بہت غلط سمجھی جانے والی ترکیب بھی ہے۔ پاکستانی ٹریننگ کمروں میں لوگ "role prompting" سن کر لکھنے لگتے ہیں "آپ ہر چیز کے ماہر ہیں"۔ اس سے آؤٹ پُٹ خراب ہوتا ہے، بہتر نہیں۔ یہ سبق role prompting کو اصل کنٹرول کی سطح پر سکھاتا ہے۔

  2. پہلا طریقہ: ماہر کا کردار۔ آپ ماڈل کو ایک خاص پیشہ ورانہ شناخت دیتے ہیں۔ "آپ FBR کے سینئر ٹیکس افسر ہیں، بیس سال کا تجربہ، فیصل آباد کے ٹیکسٹائل ایکسپورٹرز کے ریٹرنز کے جائزے کے۔" دقت پر غور کریں۔ "آپ ٹیکس ماہر ہیں" نہیں۔ یہاں تک کہ "آپ FBR افسر ہیں" بھی نہیں۔ خاص سینیارٹی، خاص ادارہ، خاص ڈومین۔ کردار جتنا خاص، انداز و مواد کی تقسیم اتنی تنگ، اور آؤٹ پُٹ اتنا اس کردار جیسا۔ مبہم کردار مبہم آؤٹ پُٹ دیتا ہے۔ دقیق کردار ایسا آؤٹ پُٹ دیتا ہے جو اصل FBR افسر کے پڑھنے کا امتحان پاس کر لے۔

  3. دوسرا طریقہ: سامعین کا کردار۔ یہاں آپ ماڈل کو نہیں بتاتے کہ وہ کون ہے، آپ بتاتے ہیں کہ وہ کس سے بات کر رہا ہے۔ "SECP کے نئے کمپنی قانون کی اس شق کی وضاحت سیالکوٹ کے ایک چھوٹے کاروباری مالک کو کریں جس نے میٹرک سے آگے نہیں پڑھا۔" وہی وضاحت، وہی قانونی مواد، سادہ اردو میں بغیر اصطلاحات کے آئے گا۔ سامعین کو "کراچی کی لاء فرم کا پارٹنر" کر دیں، تو وہی پرامپٹ گہری قانونی انگریزی، کیس حوالوں کے ساتھ، دے گا۔ ماڈل علمی کام وہی کر رہا ہے؛ سامعین کا ٹیگ یہ منتخب کر رہا ہے کہ کون سی سطح، کون سی لغت، کون سا پس منظر فرض کرنا ہے۔ پاکستانی اداروں کی اندرونی تربیتی دستاویزات کے لیے سامعین کا کردار ماہر کے کردار سے زیادہ بہتر ثابت ہوتا ہے۔

فوری چیک

فوری چیک: جدید AI روایتی قاعدہ بنیاد پروگرام سے کس طرح مختلف ہے؟

کیوں؟

Role prompting کیوں کام کرتی ہے۔ ماڈل نے بے شمار تحریر دیکھی ہے جسے لکھنے والے کی قسم سے ٹیگ کیا گیا تھا۔ جب آپ کردار دیتے ہیں، آپ ماڈل کو اس کلسٹر کی طرف کھینچتے ہیں جو اس کردار کی تحریر سے ملتا ہے۔ ماڈل اپنا سارا علم پھر بھی استعمال کرتا ہے، مگر اپنے اظہار کو اس کردار کے انداز سے فلٹر کرتا ہے۔ کردار یہ نہیں بدلتا کہ ماڈل کیا جانتا ہے۔ یہ بدلتا ہے کہ ماڈل کیسے بات کرتا ہے۔

ماخذ

ذرائع۔ OpenAI کا پرامپٹ انجینئرنگ گائیڈ، حصہ "Adopt a persona"۔ Claude کو کردار دینے پر Anthropic کی دستاویزات۔ Lilian Weng کا پرامپٹ انجینئرنگ بلاگ، کردار اور ہدایت کے حصے۔ 2023 کا پیپر "Role-Play with Large Language Models" Murray Shanahan اور دیگر، جو role prompts کے کام کرنے کا cognitive science والا فریم ورک دیتا ہے۔