Ефективний метод покращення відповідей ChatGPT за допомогою короткої негативної оцінки
Нещодавно в спільноті фахівців з prompt engineering було оприлюднено спостереження, яке демонструє, що використання одного короткого слова може суттєво підвищити якість генерованих текстів великими мовними моделями, зокрема ChatGPT.
Повідомляє видання GALERA.NEWS, посилаючись на Reddit.
Дослідник штучного інтелекту під ніком PromptEngineering опублікував результати експериментів, згідно з якими проста відповідь «mid» (англ. «середній», «посередній») спонукає модель до радикального переписування попередньої відповіді. На відміну від традиційних прохань на кшталт «спробуй ще раз», «додай більше деталей» чи «це неправильно», слово «mid» призводить до повного перезапуску генерації тексту, що супроводжується відходом від шаблонних формулювань та підвищенням рівня конкретики й оригінальності.
Механізм дії пояснюється особливостями навчання та внутрішньої логіки сучасних мовних моделей. Коли користувач надає детальний опис недоліків, модель часто обмежується локальними правками або намагається аргументувати свою попередню позицію. Натомість неконкретна, але чітко негативна оцінка без додаткових пояснень інтерпретується системою як сигнал про загальну низьку якість результату. Це активує стратегію повного перегенерування відповіді з метою досягнення суттєво вищого рівня задоволеності.
Аналогічні ефективні слова та вирази
Автор зазначає, що подібний ефект дають й інші короткі оцінки інтернет-сленгу:
- boring — нудно;
- cringe — викликає сором, незручно;
- basic — банально, примітивно;
- npc — надмірно шаблонно, без власного голосу.
Особливо сильний вплив, за словами дослідника, має саме «npc», оскільки воно прямо вказує на відсутність індивідуальності в тексті.
Практичне застосування методу передбачає:
- Отримання початкової відповіді.
- Оцінка «mid».
- Повторна оцінка «краще, але все ще mid» (за потреби).
- Нарешті — позитивне підтвердження після досягнення бажаного рівня якості.
Автор порівнює процес з поступовим «дресируванням» моделі за допомогою коротких емоційних сигналів, підкреслюючи, що співвідношення витрачених зусиль до отриманого покращення є надзвичайно високим.
Даний підхід підтверджує ширшу тенденцію в prompt engineering 2025–2026 років: прості, емоційно забарвлені та неформальні сигнали інколи виявляються ефективнішими за складні структуровані інструкції. Це пов’язано з тим, що сучасні моделі добре реагують на імітацію природної людської комунікації, зокрема на короткі оцінки «вайбу» (загального враження).
Хоча метод базується на емпіричних спостереженнях одного користувача та потребує подальшого систематичного вивчення, він уже викликав значну дискусію в професійних спільнотах та може стати корисним практичним інструментом для тих, хто регулярно взаємодіє з ChatGPT та подібними системами.
