Anthropic એ Fable 5 માટે Claude Code ના સિસ્ટમ પ્રોમ્પ્ટમાં 80% નો ઘટાડો કર્યો
Anthropic મોટા લેંગ્વેજ મોડલ્સને કેવી રીતે સંચાલિત કરવામાં આવે છે તેમાં એક મોટો પરિવર્તન (paradigm shift) જોઈ રહ્યું છે, જેમાં ભારે સૂચનાઓના સેટથી દૂર થઈને હળવા અને વધુ સહજ માર્ગદર્શન તરફ આગળ વધી રહ્યું છે. આ ઉત્ક્રાંતિ નવા Fable 5 (Mythos class) મોડલ્સના આગમનને કારણે થઈ રહી છે, જે ઓછા નિયંત્રણો અને વધુ સંદર્ભ (context) પર વધુ સારી રીતે કામ કરે છે.
લાંબા સિસ્ટમ પ્રોમ્પ્ટનો અંત
વર્ષોથી, AI પર્ફોર્મન્સને શ્રેષ્ઠ બનાવવા માટે ઉદ્યોગનું પ્રમાણભૂત ધોરણ વિશાળ સિસ્ટમ સૂચનાઓ અને વ્યાપક 'few-shot' ઉદાહરણો દ્વારા "prompt engineering" કરવાનું હતું. ડેવલપર્સ માનતા હતા કે વધુ નિયમો અને વધુ "આ ન કરો" જેવા નિયંત્રણો એ વિશ્વસનીયતાની ચાવી છે. જોકે, Anthropic આ વલણને ઉલટાવી રહ્યું છે.
Anthropic ના ટેકનિકલ સ્ટાફના સભ્ય તારિક શિહિપાર (Tariq Shihipar) એ જણાવ્યું કે કંપનીએ Claude Code માટેના સિસ્ટમ પ્રોમ્પ્ટમાં આશ્ચર્યજનક રીતે 80 ટકાનો ઘટાડો કર્યો છે. આ ઘટાડો મોડલને સરળ બનાવવાનો સંકેત નથી, પરંતુ નવા Fable 5 મોડલ્સની અત્યાધુનિક જ્ઞાનાત્મક ક્ષમતાઓ (cognitive capabilities) નો પ્રતિસાદ છે. જેમ જેમ મોડલ્સ વધુ અદ્યતન બનતા જાય છે, તેમ લાંબા પ્રોમ્પ્ટ્સ દ્વારા "હાથ પકડીને ચલાવવાની" (hand-holding) પરંપરાગત પદ્ધતિ બિનઉત્પાદક બની ગઈ છે.
Fable 5 મોડલ્સ નિયંત્રણોનો વિરોધ કેમ કરે છે
Fable 5 (અથવા Mythos class) મોડલ્સ તરફનું આ પરિવર્તન મોડલના વર્તનમાં મૂળભૂત ફેરફાર દર્શાવે છે. શિહિપારના જણાવ્યા અનુસાર, આ ચોક્કસ મોડલ્સને વ્યાપક ઉદાહરણો અને કડક નિયમો આપવાથી ખરેખર તેમની કામગીરીમાં ઘટાડો થાય છે. તેનું કારણ અણધાર્યું છે: આ મોડલ્સ તેમના પૂર્વગામીઓ કરતા કુદરતી રીતે વધુ "કલ્પનાશીલ" (imaginative) છે.
જ્યારે ડેવલપર ચોક્કસ ઉદાહરણોની લાંબી યાદી આપે છે, ત્યારે તે એક અવરોધ તરીકે કામ કરે છે જે મોડલની તર્ક કરવાની ક્ષમતાને મર્યાદિત કરે છે. સમસ્યાના સૌથી કાર્યક્ષમ અથવા સર્જનાત્મક ઉકેલને શોધવાને બદલે, મોડલ પ્રોમ્પ્ટમાં આપેલા ચોક્કસ પેટર્નને જ અનુસરવા માટે મજબૂર અનુભવે છે. Mythos class ની સાચી ક્ષમતાને બહાર લાવવા માટે, Anthropic કડક નિયમોથી દૂર જઈને "સંદર્ભ દ્વારા સંચાલન" (steering through context) તરફ આગળ વધી રહ્યું છે. આ મોડલને વધુ પડતી સૂચનાઓના બોજ હેઠળ દબાયા વગર, કાર્યોને પૂર્ણ કરવા માટે તેની તર્ક કરવાની ક્ષમતાનો ઉપયોગ કરવાની મંજૂરી આપે છે.
Prompt Engineering ની ચક્રીય ઉત્ક્રાંતિ
જેમ જેમ મોડલ્સ વિકસિત થયા છે તેમ prompt engineering ની સફર એક અલગ, ચક્રીય પેટર્ન અનુસરી છે. Anthropic ના આંતરિક તારણો મોડલ વિકાસના ત્રણ અલગ તબક્કાઓ પર પ્રકાશ પાડે છે:
- શરૂઆતના મોડલ્સ: કોઈપણ સ્તરની સુસંગતતા જાળવી રાખવા માટે ઘણા ઉદાહરણો અને અત્યંત પ્રતિબંધિત સૂચનાઓ દ્વારા સમર્થિત ટૂંકા અને અત્યંત ચોક્કસ પ્રોમ્પ્ટ્સની જરૂર હતી.
- મધ્યવર્તી મોડલ્સ: જેમ જેમ સમજણ સુધરી, તેમ પ્રોમ્પ્ટ્સ નોંધપાત્ર રીતે લાંબા બન્યા. ડેવલપર્સે મોડલના વર્તનના દરેક પાસાને નિયંત્રિત કરતા વિશાળ અને જટિલ સિસ્ટમ પ્રોમ્પ્ટ્સ બનાવવા માટે આ વધેલી "સૂચના અનુસરવાની" (instruction following) ક્ષમતાનો ઉપયોગ કર્યો.
- Fable 5 નો યુગ: આપણે એવા તબક્કામાં પ્રવેશ્યા છીએ જ્યાં પ્રોમ્પ્ટ્સ ફરીથી ટૂંકા થઈ રહ્યા છે. હવે ધ્યાન મોડલને શું કરવું (નિયમો) તે કહેવાને બદલે, મોડલને સ્વાયત્ત રીતે કાર્ય કરવા માટે જરૂરી પર્યાવરણ (સંદર્ભ) પૂરો પાડવા પર કેન્દ્રિત થયું છે.
આ વિકાસ AI ક્ષેત્ર માટે એક સીમાચિહ્નરૂપ છે. તે સૂચવે છે કે જેમ આપણે વધુ એજન્ટિક (agentic) અને તર્ક-કેન્દ્રિત મોડલ્સ તરફ આગળ વધીશું, તેમ ડેવલપરની ભૂમિકા "નિયમ બનાવનાર" થી બદલાઈને "સંદર્ભ પૂરો પાડનાર" બનશે, જે સૂચનાઓની સંખ્યા કરતા માહિતીની ગુણવત્તાને પ્રાધાન્ય આપશે.
મુખ્ય મુદ્દાઓ
- 80% ઘટાડો: Anthropic એ Fable 5 (Mythos class) મોડલ્સની ક્ષમતાઓ સાથે વધુ સારી રીતે સુસંગત થવા માટે Claude Code ના સિસ્ટમ પ્રોમ્પ્ટમાં 80% નો ઘટાડો કર્યો.
- નિયંત્રણો સર્જનાત્મકતાને મર્યાદિત કરે છે: વધુ પડતા ઉદાહરણો અને કડક "ન કરો" ના નિયમો ખરેખર અદ્યતન મોડલ્સની તર્ક કરવાની અને કલ્પનાશીલ ક્ષમતાઓને મર્યાદિત કરી શકે છે.
- નિયમો કરતા સંદર્ભ વધુ મહત્વનો: AI સંચાલનનું નવું ક્ષેત્ર લાંબા, પ્રતિબંધિત સૂચના સેટને બદલે સમૃદ્ધ સંદર્ભ પૂરો પાડવા સાથે સંબંધિત છે.