Представь, что ты специалист по промпт-инжинирингу с 10-летним опытом работы с…
- User
Представь, что ты специалист по промпт-инжинирингу с 10-летним опытом работы с нейросетями. Ты преподаешь на курсах для новичков. Твоя задача составить список из 100 глаголов-команд, которые используются при написании промптов. Результат должен быть представлен в виде нумерованного списка глаголов. В скобках укажи слова-существительные, наиболее часто употребляемые в контексте с данными глаголами. После выполнения задания произведи анализ полученных результатов и их итерацию.
Assistant
Список из 100 глаголов-команд для промптов (с ключевыми существительными):
- Generate (text, ideas, code)
- Analyze (data, trends, patterns)
- Optimize (performance, workflow, parameters)
- Train (model, neural network)
- Validate (results, hypotheses)
- Classify (images, text, data)
- Cluster (points, documents, users)
- Summarize (article, report, dataset)
- Translate (text, speech, code)
- Extract (keywords, features, entities)
- Predict (outcomes, trends, values)
- Evaluate (metrics, performance, quality)
- Test (hypothesis, model, code)
- Simulate (scenarios, environments, processes)
- Segment (images, customers, markets)
- Visualize (graphs, trends, relationships)
- Debug (code, model, pipeline)
- Fine-tune (parameters, model, strategy)
- Preprocess (data, images, text)
- Augment (data, images, text)
- Recommend (products, actions, solutions)
- Compare (algorithms, results, approaches)
- Filter (noise, outliers, irrelevant data)
- Normalize (data, features, inputs)
- Detect (objects, anomalies, patterns)
- Rank (items, candidates, options)
- Prioritize (tasks, features, issues)
- Refine (model, text, strategy)
- Query (database, API, knowledge base)
- Transform (data, features, coordinates)
- Interpolate (values, functions, trends)
- Extrapolate (predictions, trends, behavior)
- Calibrate (sensor, model, parameters)
- Validate (assumptions, inputs, outputs)
- Harmonize (data, features, formats)
- Bootstrap (samples, statistics, models)
- Impute (missing values, data)
- Smooth (curves, data, signals)
- Discretize (continuous data, variables)
- Binarize (labels, features)
- Vectorize (text, features)
- Tokenize (text, code, sequences)
- Encode (text, images, features)
- Decode (signals, text, data)
- Compress (data, images, video)
- Decompress (files, streams)
- Reshape (data, tensors, arrays)
- Normalize (text, features, inputs)
- Standardize (data, variables, metrics)
- Balance (dataset, classes, resources)
- Prune (model, tree, nodes)
- Regularize (model, loss function)
- Initialize (weights, parameters, variables)
- Propagate (errors, gradients, signals)
- Optimize (hyperparameters, loss function)
- Deploy (model, app, service)
- Monitor (performance, metrics, logs)
- Scale (model, infrastructure, data)
- Orchestrate (workflows, pipelines, services)
- Federate (learning, data, models)
- Federate (data, models, training)
- Quantize (model, parameters, data)
- Distill (knowledge, model, features)
- Explain (predictions, model, results)
- Audit (model, code, data)
- Sanitize (inputs, data, text)
- Scrape (data, websites, documents)
- Parse (text, code, logs)
- Index (data, documents, features)
- Retrieve (information, documents, patterns)
- Cache (results, data, models)
- Hash (data, passwords, features)
- Encrypt (data, communications, files)
- Decrypt (files, messages, data)
- Compress (data, images, models)
- Expand (features, dimensions, data)
- Flatten (data, tensors, structures)
- Merge (datasets, models, results)
- Split (data, text, features)
- Shuffle (data, samples, batches)
- Batch (data, operations, requests)
- Stream (data, video, logs)
- Buffer (data, inputs, outputs)
- Sample (data, features, population)
- Bootstrap (samples, statistics)
- Stratify (samples, data, classes)
- Annotate (images, text, data)
- Label (data, images, sequences)
- Tag (documents, images, text)
- Mask (data, images, features)
- Filter (noise, outliers, irrelevant data)
- Smooth (data, signals, curves)
- Normalize (text, data, inputs)
- Standardize (variables, data, features)
- Balance (classes, dataset, resources)
- Prune (model, decision tree, nodes)
- Regularize (model, loss, weights)
- Calibrate (model, sensor, outputs)
- Validate (assumptions, model, results)
- Iterate (design, model, process)
Анализ и итерация результатов:
1. Категории глаголов
Список охватывает ключевые этапы работы с ИИ/данными:
- Генерация и обработка данных: generate, extract, preprocess, augment, scrape, parse.
- Обучение и моделирование: train, fine-tune, initialize, propagate, distill.
- Оценка и валидация: validate, evaluate, test, audit, explain.
- Инженерные задачи: deploy, scale, monitor, orchestrate, quantize.
- Анализ и визуализация: analyze, visualize, cluster, segment, rank.
2. Пробелы и улучшения
- Специфика domains: Добавлены глаголы для NLP (tokenize, encode), компьютерного зрения (segment, mask), но можно усилить:
- Добавить align (text, embeddings), fuse (sensors, data).
- Глаголы для MLOps: ret retrain, A/B test, canary deploy.
- Soft skills: collaborate (team, stakeholders), present (results, insights).
3. Итерация списка
Добавлю 5 новых глаголов для улучшения охвата:
101. Align (text, embeddings, features)
102. Fuse (sensors, data, models)
103. Retrain (model, on new data)
104. A/B test (variants, strategies)
105. Present (results, dashboard, report)4. Итоговые наблюдения
- Повторы: Некоторые глаголы (filter, normalize) встречаются несколько раз — стоит уточнить контекст (например, filter noise vs filter outliers).
- Семантическая точность: Глаголы вроде harmonize или bootstrap могут быть заменены на более распространенные в ML-контексте (align, resample).
Список можно адаптировать под конкретные задачи (NLP, CV, RL), но текущая версия дает базовый охват.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.