Ottimizzazione dell'uso di ChatGPT tramite prompt engineering: studio e analisi delle strategie di manipolazione degli input

Abstract

L'ottimizzazione dell'uso di ChatGPT attraverso il prompt engineering rappresenta un approfondito studio volto a esplorare e analizzare le strategie di manipolazione degli input al fine di migliorare le prestazioni del modello. Il cuore della ricerca si concentra sui modelli linguistici di grandi dimensioni (LLM) e, in particolare, su ChatGPT. Il concetto di prompt engineering è introdotto come un elemento cruciale per plasmare l'interazione con ChatGPT. Suggerimenti pratici vengono forniti per la progettazione ottimale dei prompt, esplorando le tecniche di ottimizzazione degli input per migliorare gli output, nonché le strategie per regolare l'output del modello. Una sezione specifica della tesi si dedica all'esame delle allucinazioni di ChatGPT, mettendo in luce le sfide e le implicazioni etiche legate alla generazione di contenuti indesiderati o errati. L'applicazione pratica delle strategie di prompt engineering viene poi illustrata attraverso lo sviluppo di un programma in python, che richiama l’API fornita OpenAI, e la valutazione degli output generati nello specifico ambito delle traduzioni. Le conclusioni della ricerca mettono in luce le principali scoperte e prospettive future, contribuendo al dibattito in corso sulla progettazione e l'ottimizzazione dell'interazione con modelli di linguaggio avanzati come ChatGPT.

Optimizing ChatGPT usage through prompt engineering is an in-depth study to explore and analyze input manipulation strategies to improve model performance. The heart of the research focuses on large language models (LLM) and, in particular, ChatGPT. The concept of prompt engineering is introduced as a crucial element in shaping interaction with ChatGPT. Practical tips are provided for optimal prompt design, exploring input optimization techniques to improve outputs, as well as strategies to adjust model output. A specific section of the thesis focuses on examining ChatGPT’s hallucinations, highlighting the challenges and ethical implications of generating unwanted or incorrect content. The practical application of prompt engineering strategies is then illustrated through the development of a python program, which recalls the API provided OpenAI, and the evaluation of outputs generated in the specific area of translations. The conclusions of the research highlight the main discoveries and future perspectives, contributing to the ongoing debate on the design and optimization of interaction with advanced language models such as ChatGPT.