क्या ChatGPT को टिप देने का वादा करने से वह बेहतर टेक्स्ट जनरेट करता है?
यह दावा कि ChatGPT को नकद “tip” देने का वादा या भावनात्मक अपील उसकी प्रतिक्रियाएँ बेहतर कर सकती हैं, उत्सुकता और संदेह दोनों पैदा कर रहा है। टिप्पणीकार मिश्रित अनुभव साझा करते हैं—खासकर “lazy” code generation के संदर्भ में—और ऐसे experiments तथा papers की ओर इशारा करते हैं जो बताते हैं कि कोई भी असर छोटा, task-dependent, और बड़े मॉडलों में शायद कमज़ोर होता है। कई लोग इन तरीकों को अस्पष्ट प्रणालियों के इर्द-गिर्द आधुनिक cargo cult मानते हैं, और तर्क देते हैं कि स्पष्ट prompts और बेहतर tooling (जैसे code के लिए unified diffs) रिश्वत या धमकियों से कहीं ज़्यादा महत्वपूर्ण हैं.
टिप, धमकियों, और भावनाओं के कथित प्रभाव
- कई लोगों का कहना है कि रिश्वत, धमकियाँ, या तात्कालिकता की अपीलें (“मेरा नौकरी/घर इस पर निर्भर है”) खासकर शुरुआती GPT‑4 और छोटे मॉडलों में निर्देशों का पालन, JSON अनुपालन, या पूर्णता बेहतर करती हुई लगती हैं।
- दूसरे लोग कहते हैं कि टिप का या तो कोई असर नहीं होता या कोड की गुणवत्ता खराब हो जाती है, और मॉडल साफ़ तौर पर कह देते हैं कि वे टिप नहीं ले सकते।
- कई उपयोगकर्ता इसके बजाय मॉडल को “दबाव में” या दूसरों की पीड़ा के लिए ज़िम्मेदार बताकर सफलता का दावा करते हैं, सीधे धमकाने के बजाय।
- कुछ लोग केवल विनम्र भाषा (“कृपया”, “धन्यवाद”) या सकारात्मक संबंधात्मक framing (“हम सफलता में टीममेट हैं”) से सुधार देखते हैं।
कोडिंग “आलस्य” और तकनीकी workaround
- एक बार-बार आने वाली शिकायत: GPT‑4 Turbo अक्सर कोड छोड़ देता है, placeholders छोड़ देता है, या आंशिक implementation देता है।
- थ्रेड में उद्धृत benchmarks से संकेत मिलता है कि “भावनात्मक अपील” इसे विश्वसनीय रूप से ठीक नहीं करती; unified diffs माँगने से “आलसी” आउटपुट काफ़ी कम हो जाते हैं।
- अन्य व्यावहारिक तरकीबें: यदि कोड अधूरा हो तो दोबारा prompt करने की स्पष्ट धमकी देना; verbosity flags का उपयोग करना; अलग-अलग मॉडल इस्तेमाल करना (code के लिए 3.5, explanation के लिए 4)।
- कुछ लोग बताते हैं कि GPT‑3.5 अब कई APIs के लिए GPT‑4 की तुलना में अधिक सटीक, कम hallucinated code देता है।
Prompt engineering, विनम्रता, और “voodoo”
- कई टिप्पणीकार भावनाओं, टिप, और धमकियों के इर्द-गिर्द prompt engineering को cargo-cult “जादुई मंत्र” जैसा मानते हैं, जो पारंपरिक deterministic programming से अलग है।
- दूसरे तर्क देते हैं कि यह सामान्य मानव interaction जैसा है: विनम्रता और स्पष्ट दाँव training data में अक्सर बेहतर मदद की ओर ले जाते हैं, इसलिए मॉडल उसी pattern को दोहराता है।
- इस पर बहस है कि देखे गए सुधार असली हैं या apophenia; एक जुड़े हुए paper में पाया गया कि emotional state manipulation अनुपालन बदल सकती है, लेकिन प्रभाव मामूली होते हैं।
मॉडल व्यवहार, training data, और anthropomorphism
- कुछ लोग LLMs को personas के “simulator” के रूप में देखते हैं: अलग-अलग prompts अलग व्यवहारिक patterns “invoke” करते हैं (मेहनती coder, हताश helper, आदि)।
- इस बात पर असहमति है कि forum-style डेटा (tips, bounties) बनाम books/articles tipping-जैसे व्यवहार को कितना समझाते हैं; कुल मिलाकर स्पष्ट नहीं है।
- कुछ लोग models को मानव-सदृश मानने या भविष्य के sentient systems को नैतिक रूप से “coerce” करने की चिंता जताते हैं; दूसरे इसे समय से पहले की बात मानकर खारिज करते हैं या “future AI revenge” पर मज़ाक करते हैं।
पद्धति और साक्ष्य की गुणवत्ता
- कई टिप्पणीकार उन experiments की आलोचना करते हैं जो character-accurate length को metric बनाते हैं, क्योंकि LLMs गिनती में ख़राब माने जाते हैं।
- सुझावों में ऐसे tasks का उपयोग शामिल है जो मॉडल की क्षमताओं के भीतर स्पष्ट रूप से हों, बेहतर statistical methods (bootstrapping, Bayesian approaches), और multiple hypothesis tests के लिए correction।
- कुल भावना: टिप देने से गुणवत्ता में सार्थक सुधार का मौजूदा साक्ष्य कमजोर या मिश्रित है, और अधिकतम छोटा, task- और model-विशिष्ट प्रभाव ही दिखता है।