Compete in HackAPrompt 2.0, the world's largest AI Red-Teaming competition!

Check it out →
Bienvenidos
😃 Básico
💼 Aplicaciones básicas
🧙‍♂️ Intermediate
🤖 Agentes
⚖️ Reliability
🖼️ Image Prompting
🔓 Prompt Hacking
🔨 Tooling
💪 Prompt Tuning
🎲 Miscellaneous
📚 Bibliography
Resources
📦 Prompted Products
🛸 Recursos adicionales
🔥 Hot Topics
✨ Créditos

Combinando técnicas

🟢 This article is rated easy
Reading Time: 1 minute
Last updated on August 7, 2024

Sander Schulhoff

Como hemos visto en las páginas anteriores, los prompts pueden tener distintos formatos y complejidad. Pueden incluir contexto, instrucciones y múltiples ejemplos de entrada-salida. Sin embargo, hasta ahora sólo hemos examinado distintos tipos de prompts. La combinación de estas técnicas puede dar lugar a instrucciones más potentes.

Aquí hay un ejemplo de pregunta que incluye contexto, instrucciones y varios ejemplos:


Twitter es una red social donde los usuarios pueden publicar mensajes llamados "tweets".
Los tweets pueden ser positivos o negativos, y nos gustaría poder clasificar los tweets como
positivos o negativos. Aquí hay algunos ejemplos de tweets positivos y negativos. Asegúrate
de clasificar el ultimo tweet correctamente.


P: Tweet: "¡Qué hermoso día!"
¿Este tweet es positivo o negativo?

R: Positivo

P: Tweet: "Odio esta clase"
¿Este tweet es positivo o negativo?

R: Negativo

P: Tweet: "Me encantan los bolsillos en los jeans"

R:

Si añadimos ejemplos o contextos adicionales, a menudo podemos mejorar el rendimiento de las IA en distintas tareas.

Sander Schulhoff

Sander Schulhoff is the CEO of HackAPrompt and Learn Prompting. He created the first Prompt Engineering guide on the internet, two months before ChatGPT was released, which has taught 3 million people how to prompt ChatGPT. He also partnered with OpenAI to run the first AI Red Teaming competition, HackAPrompt, which was 2x larger than the White House's subsequent AI Red Teaming competition. Today, HackAPrompt partners with the Frontier AI labs to produce research that makes their models more secure. Sander's background is in Natural Language Processing and deep reinforcement learning. He recently led the team behind The Prompt Report, the most comprehensive study of prompt engineering ever done. This 76-page survey, co-authored with OpenAI, Microsoft, Google, Princeton, Stanford, and other leading institutions, analyzed 1,500+ academic papers and covered 200+ prompting techniques.