Pozitif Prompting (Olumlu İstem Verme)

Pozitif prompting, prompt talimatlarını öncelikle yapılmaması gerekenlerin (yasaklar ve olumsuz kısıtlamalar) listelerine dayanmak yerine, modelin ne yapması gerektiği (olumlu, yapıcı yönergeler) açısından ifade etme pratiğidir; bu, dil modellerinin — talimatları izleyen insanlar gibi — genellikle belirsiz şekilde belirtilmiş olumsuz durumlardan kaçınmaktan çok, net, somut olumlu yönergeleri daha güvenilir bir şekilde takip ettiğine dair iyi belgelenmiş gözleme dayanır. Tamamen yasaklardan oluşan bir prompt ("Çok resmi olma. Jargon kullanma. Uzun cevap verme. Kullanıcının asıl sorusunu görmezden gelme.") modele kaçınılması gereken sürekli büyüyen bir liste sunar ama başarının aslında neye benzediğini asla net bir şekilde belirtmez ve modeli olumlu hedef davranışı dolaylı olarak çıkarmaya zorlar; olumlu çerçevelenmiş bir eşdeğeri ("Teknik olmayan bir kullanıcının anlayabileceği sade bir dille, 2-3 cümlede, kullanıcının spesifik sorusunu doğrudan ele alarak sıcak, sohbet havasında bir üslupla yanıt ver.") modele doğrudan hedefleyebileceği somut bir hedef verir. Bu, olumsuz talimatların asla işe yaramadığı iddiası değildir — açık yasaklar özellikle zor güvenlik/uyumluluk sınırları için ("Asla belirli bir tıbbi doz önerisi verme") kullanışlı ve genellikle gereklidir — ancak üretim prompt mühendisliği "modele ne yapacağını söyle"yi birincil, varsayılan çerçeveleme stratejisi olarak ele alır ve açık "yapma" talimatlarını, günlük yanıt kalitesini ve üslubunu şekillendirmenin ana mekanizması olarak değil, gerçekten zor kısıtlamalar ve sınır durumları için saklar. Bu ilke doğrudan çıktı biçimlendirmesiyle bağlantılıdır (sadece "düzensiz olma" demek yerine istenen biçimi somut olarak göstermek) ve görsel üretimindeki negatif promptlarla bağlantılıdır — burada dikkat çekici bir şekilde olumlu/olumsuz ayrımı biraz farklı çalışır, çünkü difüzyon modellerindeki özel negatif prompt alanları, bir metin promptundaki bir "yapma" talimatları yığınının aksine, özel olarak tasarlanmış, güvenilir şekilde etkili bir kontrol kanalıdır; oysa metin promptundaki yasaklar yukarıda anlatılan güvenilirlik dezavantajlarıyla sıradan doğal dil olarak işlenir. Somut örnek: bir yapay zeka yazı asistanının erken prompt sürümü "Robot gibi yazma. Kurumsal jargon kullanma. Çok uzun tutma. Sıkıcı olma." şeklindeydi — kullanıcı geri bildirimi tutarsız sonuçlar gösterdi, çünkü model "sıkıcı olmayan" ve "robotik olmayan"ın olumlu olarak ne anlama geldiğini çıkarmak zorunda kaldı ve yanıtlar arasında geniş varyans oluştu. Ekip bunu olumlu şekilde yeniden yazdı: "Akıllı bir arkadaşa anlatır gibi sıcak, doğrudan, sohbet havasında bir üslupla yaz. Kısa cümleler ve somut örnekler kullan. Yanıtı 150 kelimenin altında tut. En önemli noktayla aç." Değerlendirme setlerinin üslup uyumu puanlamasıyla ölçülen çıktı tutarlılığı belirgin şekilde iyileşti, çünkü model artık kaçınılacak açık uçlu bir liste yerine hedefleyebileceği açık olumlu hedeflere sahipti.