Firma zauważa, że model podstawowy generuje obrazy, które nie odpowiadają podanym promptom. Chcą dostosować techniki promptowania, aby zmniejszyć liczbę nieistotnych obrazów. Które podejście do promptowania bezpośrednio pomaga wykluczyć niepożądane treści?

Użycie promptów negatywnych (negative prompts) jest najskuteczniejszym podejściem do wykluczania niepożądanych treści w generowaniu obrazów. Pozwalają one określić, czego model ma unikać, co bezpośrednio zmniejsza liczbę nieistotnych lub niechcianych elementów w wynikowym obrazie. Użycie promptów zero-shot odnosi się do zdolności modelu do wykonywania zadań bez wcześniejszego treningu na konkretnych przykładach, co nie pomaga w bezpośrednim eliminowaniu niepożądanych treści. Prompty pozytywne opisują to, co ma się znaleźć w obrazie, ale niekoniecznie wykluczają to, czego nie chcemy. Prompty dwuznaczne są niejasne i mogą prowadzić do jeszcze większej liczby nieistotnych lub nieprzewidywalnych wyników.