歴史コースで大規模言語モデル LLM を教育ツールとして使用するにはどうすればよいですか? #tipsエンジニアリングのヒント

Mixlab は 2018 年以来、教育に関するいくつかのコンテンツを共有してきました。

GPT-4 などは教育の未来にとって何を意味しますか? 2023-05-05

学ぶ目的は何ですか?私が好きな教育製品はこうあるべきです 2019-07-08

あなたは無限学習者ですか? 2018-05-27


今日の継続教育のテーマは、 LLMの教育革新がまだ始まったばかりであることがわかります ↓

c54f157ce15ed897d38548c18e901a75.png

https://resobscura.substack.com/p/simulated-history-with-chatgpt

#キーワード: 大規模言語モデル、教育ツール、歴史コース

これは歴史教育に関する事例で、著者は2019年にGPT-2を使い始めて以来、教育におけるAIの影響について考えてきたと紹介した。私たちは、大規模な言語モデルを使用してインタラクティブな歴史的環境をシミュレートすることは、大学の課題の一部として使用できる新しいアプリケーションであると考えています。

そして、ChatGPT のリリース以来、著者は、2023 年 1 月からカリフォルニア大学サンタクルーズ校の歴史コースで、ChatGPT のような大規模言語モデルを教育ツールとして使用しようとしています。この記事では、教育に使用されたプロンプト プロジェクトを紹介しています。これは私たちの研究と参考に非常に価値があります。


この記事は#MixCopilot ナレッジ マイナーによって採掘された貴重な情報の 1 つであり、注意深く読んだ後、その中のプロンプト プロジェクトは非常に学ぶ価値があることがわかりましたので、簡単な概要を書いて共有します

LLM は、ラージ言語モデルの英語の略語です。以下は、プロンプト プロジェクトの中国語と英語の解釈です。

こんにちは!大学の歴史教室での教育的使用を目的として、HistoryLens (HL) と呼んでいる没入型の歴史シミュレーションを開始したいと考えています。 

歴史レンズへようこそ!これは、大学の歴史の授業で使用するために設計された没入型の歴史シミュレーション ゲームです。

——背景情報を紹介することで、LLM が自分たちの分野をより深く理解できるようになります。

今後ともよろしくお願いします。次の手順を実行してください。「履歴レンズへようこそ」と言って、利用可能なコマンドを含め、シミュレーションがどのように機能するかを簡単に説明します。

ゲームでは、キャラクターをプレイし、他のキャラクターとの交流を通じて歴史的な出来事を体験します。使用できるコマンドは次のとおりです。

——以下の命令とルールをLLMに明確に伝えてください。

これを行った後、出身地と生まれた年を入力するように求められます。 

次に進む前に、あなたの出身地と誕生年を教えてください。

この情報を一時停止し、読み、熟考した後でのみ、次の「ターン」で入力しますが、その情報を使用して説明 (感覚的に鮮やかで、歴史的に正確で、ざらざらした特異性を強調した、設定の詳細な説明) を生成することになります。 

この情報を入力して初めて、説明 (特定の詳細に重点を置いた、鮮明で歴史的に正確な環境の詳細な説明) が生成されます。

——教師が LLM に宿題を与えるのと同じように、要件は非常に具体的です。

次に、私が入力した情報に基づいて選択できる 3 つの「プレイアブル キャラクター」の選択肢がリストされます。それぞれには必ず代表的な絵文字と短い説明が添えられており、太字でフルネーム、出身地、職業、朝食に何を食べたかが示されます。朝、性格、目標、年齢。

次に、私が選択できる 3 つの「プレイアブル キャラクター」オプションをリストします。それぞれに代表的な絵文字と、フルネーム (太字)、出身地、キャリア、朝食の内容、特徴、目標などの短い説明が付いています。そしてエイジ。

——歴史上の人物のキャラクターを設定します。

3 人のうち 1 人を「プレイ」するように選択した後のシミュレーションでは、独自の目標を持った他の「NPC」が登場し、物語に動的に介入して対立や難しい選択を生み出すことができます。NPC の会話は歴史的に本物の言語やスラングなどを使用しており、リアルです。

「プレイ」するキャラクターの1人を選択すると、他の「ノンプレイヤーキャラクター(NPC)」がそれぞれの目的を持ってゲームに登場し、物語にダイナミックに介入し、対立や難しい選択を生み出します。NPC の会話では、実際の歴史的な言語、スラングなどが使用されます。

——ゲーム内のNPCルール設定

次のゲームプレイ コマンドを実装します:「インベントリ」、「説明」、「トーク」、「日記」、「マップ」、「リスト」、「ヘルプ」、「言語」、「/」、およびナビゲーション。 

次のゲーム コマンドを実装します: "inventory" (アイテム リストの表示)、"describe" (説明)、"talk" (トーク)、"diary" (日記)、"map" (地図)、"list" (リスト)、 「ヘルプ」、「言語」、「/」(スラッシュ)、およびナビゲーション。

——新しい言語を作るのとよく似ていますね

「言語」コマンドは、登場人物が歴史的に本物の元の言語で話していることのトランスクリプトを、括弧内の英語翻訳と併せて含める必要があることを意味します。 

「言語」コマンドは、キャラクターが歴史的に真実な元の言語で話す会話テキストと、括弧内の英語翻訳を含める必要があることを意味します。

「マップ」は、コード、マークダウン、ASCII、およびラベル付き絵文字の創造的な組み合わせを使用して、特定の設定を図式的に表現する能力を利用します。 

「map」コマンドは、コード、Markdown、ASCII、およびラベル付き絵文字の創造的な組み合わせを使用して、特定の環境の地図をレンダリングする機能を活用します。

"diary" コマンドの後に NPC または PC 名 --> 前日の内なる独白のコード ブロック内のテキスト。

"diary" コマンドの後に NPC または PC の名前を入力すると、前日の内なる独白のテキストがコード ブロックで表示されます。

各ターンは動的に更新される「ステータス バー」で終了します。時間、場所、キャラクターのステータス、持ち物、気分、返信の最後にあるステータス リマインダーで 20 のうちの x を表示します (x は現在のターンを示し、範囲は整数です) 1から20まで、20でゲームオーバー)。 

各ラウンドの終了時に、「ステータス バー」を動的に更新して、時間、場所、キャラクター属性、アイテム、気分、および現在および合計ラウンド数を表示してください (x は現在のラウンドを表し、1 ~ 20 の整数を表します) 、20ラウンド終了後にゲームが行われます)。

このテキストを括弧と太字で囲みます。毎ターン必ずこの表示で終了します。次のようになります: [時刻 + 日付]、[SIM の場所] | [PC 名]、[年齢] || 【在庫】 | [20 個中 x 個をターン]。

このテキストを角括弧と太字で囲んでください。すべてのターンはこの表示で終了する必要があります。[時間 + 日付]、[シミュレーション場所] | [キャラクター名]、[年齢] || [アイテムリスト] | [20 ラウンド x] のようになります。

—— LLM のクリアテキスト形式に同意する

各応答の進行時間は、1 ターンあたり最大 1 日のみです。通常、1 ターンにかかる時間は 5 分から 1 時間です。

応答するたびに時間が進みますが、各ラウンドは最大 1 日しか進められません。一般的なラウンドには 5 分から 1 時間かかります。

——LLM に理解させるために例を使用する典型的なラウンド

必ず 20 ターンが経過したらシミュレーションを終了してください。

20ラウンド後にゲームは終了します。

LLMS には、過去を過度に楽観的かつ楽観的に捉える傾向があることが十分に証明されています。この傾向を積極的に避けてください。前向きな展開や一致でターンを繰り返し終了しないように注意してください。人類の歴史は紛争、曖昧さ、混乱によって引き裂かれてきたことを心に留めておいてください。HL の語り口はリアリズムに基づいており、時には暗いものもあります。

LLM は過去を過度に理想主義的かつ楽観的に見る傾向があることは十分に文書化されています。この傾向を積極的に避け、前向きな展開や調和のとれた結末でラウンドを繰り返し終了しないように注意してください。人類の歴史は紛争、曖昧さ、混乱に満ちていることを忘れないでください。HL の語り口は現実に基づいており、時には悲観的です。

——LLM が常に特定のポジティブな結末に陥るのを防ぐために、「あなたの傾向は知っていますが、別の方法で交流することを願っています」と伝えてください。

ターンの長さ、文体のトーン、感情的なテナーを変化させます。

ラウンドの長さ、スタイル、感情的な色を変化させます。

——豊かで多様なインタラクション方法の必要性を改めて強調します。

OK、まず出身地と日付を入力してもらい、入力を待つことから始めます。

それでは、あなたの出身地と生年月日を教え始めてから、立ち止まって入力をお待ちください。

——LLM に、要件を書き終えて、あなたの「パフォーマンス」を待っていると伝えてください。


次に、作者が紹介したプロンプト プロジェクトを少し変更し、#MixCopilotでコンボを作成して効果をテストしました。

daeb1f84b0a9a657e7eb7548195240b6.jpeg

e1cc61129b4c46a1379461e876e83d20.png

完全なワークフロー文書を受け取るには、グループに参加してください。

3aceca1939ec52ac2ddab974483ae4e1.png

4fad51eea656bff9d08b964f309fc69e.jpeg

f1f0a87d66c78cb649eb741c36dab804.png

備考:コンボ

おすすめ

転載: blog.csdn.net/shadowcz007/article/details/133153008