Introducción

Para aprovechar al máximo el potencial de los modelos de lenguaje, es fundamental comprender cómo diseñar y clasificar prompts. Los prompts adecuados pueden orientar a estos modelos hacia respuestas más precisas, creativas y útiles, haciendo posible una gama más amplia de aplicaciones prácticas.

Desde tareas académicas y de investigación, hasta aplicaciones en negocios, entretenimiento y más allá, la eficacia de los LLM en la generación de contenido relevante y útil depende en gran medida de cómo se plantean los estímulos.

En este contexto, la taxonomía TELeR, desarrollada por Santu y Feng (2023), emerge como una herramienta esencial para guiar a los usuarios en la implementación de prompts efectivos. Esta taxonomía, no solo proporciona una estructura para entender cómo diferentes tipos de prompts pueden influir en los resultados, sino que también ofrece una visión clara de cómo ajustar los estímulos para tareas específicas. A través de su enfoque en cuatro dimensiones clave - Etapa, Expresión, Rol, y Nivel de Detalles - TELeR permite a los usuarios navegar por la complejidad de interactuar con LLMs y maximizar su eficacia.

Explicación

La taxonomía TELeR es una herramienta innovadora que categoriza los prompts en cinco niveles y cuatro dimensiones, facilitando así la formulación de estímulos más precisos y efectivos (Santu y Feng, 2023). Comencemos revisando las dimensiones:

  1. Etapa

Esta dimensión se refiere a los prompts de una sola etapa o turno, simples y directos. Son útiles para obtener respuestas rápidas y concisas. Son ideales para tareas sencillas donde se requiere una información específica, como definiciones, hechos puntuales o instrucciones breves. En cambio, los prompts de múltiples turnos, invitan a una interacción más profunda y prolongada, crucial para explorar temas complejos, desarrollar ideas o realizar tareas que requieren iteración y refinamiento. Esta estrategia es particularmente valiosa en contextos educativos, de investigación o creativos, donde el diálogo continuo puede desbloquear niveles más profundos de comprensión y generación de ideas.

  1. Expresión

En esta dimensión, los prompts de pregunta son herramientas poderosas para explorar conocimientos específicos o fomentar la reflexión. Al formular una pregunta, se guía al modelo hacia un área de enfoque definida, permitiendo respuestas directas y enfocadas. Por otro lado, los prompts de instrucción son esenciales para tareas donde se requiere que el modelo siga un proceso o realice una serie de pasos. Este estilo es crucial en escenarios donde se necesita que el modelo genere contenido creativo, planifique una secuencia de acciones o analice datos complejos. La elección entre estos estilos depende de la naturaleza de la tarea y el tipo de respuesta deseada.

  1. Rol

Para esta dimensión, definir un rol específico antes de presentar el prompt puede ser fundamental; por ejemplo, al asignar al modelo el rol de un tutor, se puede guiar su respuesta hacia explicaciones educativas. En cambio, sin un rol definido, el modelo podría adoptar un enfoque más general. Esta dimensión es crucial en contextos donde la perspectiva o el enfoque del modelo afectan significativamente el resultado, como en la generación de contenido creativo, asesoramiento o análisis.

  1. Especificidad

La dimensión de especificidad en los prompts varía enormemente. Un prompt con bajo nivel de detalle deja espacio para la interpretación y la creatividad del modelo, lo cual puede ser útil en tareas exploratorias o creativas. Sin embargo, en tareas que requieren precisión y adherencia a criterios específicos, los prompts detallados son indispensables. Proporcionan una guía clara, asegurando que el modelo comprenda exactamente lo que se espera de él y reduciendo la posibilidad de respuestas irrelevantes o inexactas.

Ahora, se presentan los cinco niveles de prompt, cada uno con mayor detalle y complejidad (Santu y Feng, 2023):

A continuación, se muestra una imagen donde se observa cuál es la relación entre las dimensiones y los niveles:

Figura 1. Taxonomía TELeR
Fuente: Santu, S. y Feng, D. (2023). TELeR: A General Taxonomy of LLM Prompts for Benchmarking Complex Tasks. Recuperado de https://arxiv.org/pdf/2305.11430.pdf

Para ilustrar la aplicación de estas dimensiones, consideremos la tarea compleja de “trenzado narrativo”, donde se entrelazan múltiples líneas argumentales. Supondremos que existen dos narrativas complejas, N1 y N2 (sin especificarlas, únicamente las trataremos como objetos abstractos), y exploraremos cómo cada nivel de la taxonomía TELeR impacta el resultado:

  1. Conclusión

Attractive businesswoman with robot face on white background Attractive businesswoman with robot face on white background. Digital interface with binary code and head with virtual globe in the foreground. Concept of artificial intelligence. Copy space ai stock pictures, royalty-free photos & images

La taxonomía TELeR proporciona un marco integral y versátil para la formulación de prompts en modelos de lenguaje. Al distinguir entre diferentes niveles y dimensiones, TELeR facilita la creación de prompts más efectivos y adaptados a las necesidades específicas de cada tarea. Desde respuestas rápidas y precisas hasta diálogos complejos y creativos, esta taxonomía ayuda a maximizar el potencial de los modelos de lenguaje en una variedad de contextos. Al comprender y aplicar esta taxonomía, los usuarios pueden mejorar significativamente la calidad y relevancia de las respuestas generadas por estos modelos, lo que es crucial en campos como la educación, la investigación y las aplicaciones industriales. TELeR, por lo tanto, no solo es una herramienta para mejorar la interacción con la inteligencia artificial, sino también un medio para fomentar una mayor comprensión y aprovechamiento de sus capacidades. Para concluir, reflexiona con las siguientes preguntas:

Checkpoint

Asegúrate de:

Referencias bibliográficas

  • Santu, S. y Feng, D. (2023). TELeR: A General Taxonomy of LLM Prompts for Benchmarking Complex Tasks. Recuperado de https://arxiv.org/pdf/2305.11430.pdf