Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Kiat bisikan umum
Kiat umum berikut akan membantu Anda membuat petunjuk yang lebih baik:
-
Dekomposisi tugas: Jika tugas Anda rumit dan model Amazon Nova menunjukkan kesulitan dalam mengikuti logika yang rumit dan saling berhubungan, kami menyarankan Anda untuk membahas masalah dan menguraikannya menjadi serangkaian panggilan terpisah. Ini dapat dicapai melalui pemanfaatan teknik alur kerja, seperti rantai cepat (yaitu, merantai urutan panggilan individu) atau eksekusi paralel (yaitu, mengeksekusi panggilan independen secara bersamaan).
-
Rincian instruksi: Kami menyarankan Anda memecah instruksi kompleks menjadi serangkaian instruksi atau menjadi lebih banyak instruksi atom. Ini diperlukan untuk membantu model memahami instruksi dan meningkatkan kinerjanya dalam hal instruksi berikut.
-
Hindari asumsi apa pun, berikan panduan yang jelas untuk model: Model Amazon Nova menunjukkan kemampuan yang kuat untuk mengikuti instruksi, tetapi hanya jika petunjuk yang diberikan jelas dan spesifik. Sangat penting untuk menghindari membuat asumsi apa pun dan sebagai gantinya menawarkan panduan langsung dan tidak ambigu terhadap model tersebut. Semakin transparan dan mengarahkan prompt, semakin efektif respons modelnya.
-
Karakter Unicode yang lolos: Model terkadang dapat memasuki loop berulang ketika menemukan kasus bahasa Unicode yang lolos. Anda dapat menghindari masalah ini dengan meminta model untuk mengabaikan karakter Unicode yang lolos. Misalnya: “JANGAN pernah meletakkan Unicode yang lolos di output - cukup gunakan karakter asli yang tidak terlolos, misalnya, jangan sertakan urutan seperti\ u3492.”
-
Struktur perintah yang panjang dan padat informasi: Saat berbagi informasi ekstensif seperti contoh, konteks, instruksi, dan format keluaran, kami merekomendasikan untuk menyusun konten menggunakan teknik pemformatan yang jelas. Secara khusus, menggunakan poin penurunan harga atau bullet dapat membantu meningkatkan kemampuan model Amazon Nova untuk memahami dan mengatur informasi yang diberikan secara lebih efektif.
-
Jelaskan dan kemudian jawab: Kami menyarankan Anda menginstruksikan model untuk mendeskripsikan secara menyeluruh semua yang diamati dalam gambar atau video, merangkum detail kunci, dan memberikan akun yang komprehensif sebelum menjawab pertanyaan spesifik tentang konten. Teknik memiliki model ini menggambarkan keseluruhan informasi visual terlebih dahulu, diikuti dengan menanggapi kueri yang ditargetkan pada langkah berikutnya, umumnya meningkatkan kinerja model.
-
Ekstraksi teks dari dokumen: Karena Amazon Nova menggunakan pemahaman visi untuk mengekstrak informasi dari PDFs, jika kasus penggunaan Anda hanya melibatkan membaca teks dokumen, kami sarankan Anda menggunakan API open source untuk mengekstrak konten teks dokumen. Teks yang diekstraksi ini dapat diberikan ke Amazon Nova sehingga Anda dapat mengidentifikasi dan mengekstrak informasi kunci dalam dokumen.
