Allgemeine Tipps zur Aufforderung - Amazon Nova

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Allgemeine Tipps zur Aufforderung

Die folgenden allgemeinen Tipps helfen Ihnen dabei, bessere Eingabeaufforderungen zu erstellen:

  • Aufgabenzerlegung: Wenn Ihre Aufgabe komplex ist und die Amazon Nova-Modelle Schwierigkeiten haben, der komplizierten, miteinander verbundenen Logik zu folgen, empfehlen wir Ihnen, das Problem zu skizzieren und es in eine Reihe von diskreten Aufrufen zu zerlegen. Dies kann durch den Einsatz von Workflow-Techniken wie Prompt-Chaining (d. h. Verkettung einer Sequenz von einzelnen Aufrufen) oder parallel Ausführungen (d. h. gleichzeitige Ausführung unabhängiger Aufrufe) erreicht werden.

  • Aufschlüsselung der Befehle: Wir empfehlen, komplexe Anweisungen in eine Reihe von Anweisungen oder in atomarere Befehle aufzuteilen. Dies ist erforderlich, um dem Modell zu helfen, die Anweisungen zu verstehen und seine Leistung in Bezug auf die Befolgung von Anweisungen zu verbessern.

  • Vermeiden Sie jegliche Annahmen, geben Sie dem Modell klare Leitlinien: Amazon Nova-Modelle weisen eine ausgeprägte Fähigkeit auf, Anweisungen zu befolgen, aber nur, wenn die Anweisungen klar und spezifisch sind. Es ist wichtig, keine Annahmen zu treffen und stattdessen direkte, unmissverständliche Hinweise zum Modell zu geben. Je transparenter und direkter die Aufforderung ist, desto effektiver wird das Modell reagieren.

  • Unicode-Zeichen mit Escape-Zeichen: Das Modell kann manchmal in eine Wiederholungsschleife geraten, wenn es auf maskierte Unicode-Sprachfälle stößt. Sie können dieses Problem vermeiden, indem Sie das Modell bitten, maskierte Unicode-Zeichen zu ignorieren. Zum Beispiel: „Geben Sie NIEMALS Unicode-Escape-Zeichen in die Ausgabe ein — verwenden Sie einfach das native Zeichen ohne Escape-Zeichen. Fügen Sie beispielsweise keine Sequenzen wie\ u3492 ein.“

  • Strukturieren Sie lange, informationsreiche Eingabeaufforderungen: Wenn Sie umfangreiche Informationen wie Beispiele, Kontext, Anweisungen und Ausgabeformate teilen, empfehlen wir, den Inhalt mit klaren Formatierungstechniken zu strukturieren. Insbesondere die Verwendung von Markdown- oder Aufzählungspunkten kann dazu beitragen, die Fähigkeit der Amazon Nova-Modelle zu verbessern, die bereitgestellten Informationen besser zu verstehen und zu organisieren.

  • Beschreiben und dann beantworten: Wir empfehlen, dass Sie das Modell anweisen, alles, was es in dem Bild oder Video beobachtet, ausführlich zu beschreiben, die wichtigsten Details zusammenzufassen und einen umfassenden Überblick zu geben, bevor eine bestimmte Frage zum Inhalt beantwortet wird. Diese Technik, bei der das Modell zuerst die gesamten visuellen Informationen beschreibt und dann in einem nachfolgenden Schritt auf eine gezielte Anfrage reagiert, verbessert im Allgemeinen die Leistung des Modells.

  • Textextraktion aus Dokumenten: Da Amazon Nova Vision Understanding verwendet, um Informationen zu extrahieren PDFs, empfehlen wir Ihnen, eine Open-Source-API zu verwenden, um den Textinhalt des Dokuments zu extrahieren, wenn Ihr Anwendungsfall nur das Lesen des Textes eines Dokuments beinhaltet. Dieser extrahierte Text kann Amazon Nova zur Verfügung gestellt werden, sodass Sie die wichtigsten Informationen im Dokument identifizieren und extrahieren können.