OpenAI
ಈ ಪುಟವನ್ನು ಯಂತ್ರದ ಮೂಲಕ ಅನುವಾದಿಸಲಾಗಿದೆ. ಮೂಲ ಇಂಗ್ಲಿಷ್ ಲೇಖನವನ್ನು ನೋಡಿ.

OpenAI API ಜೊತೆಗೆ ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್‌ಗೆ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳು

OpenAI ಮಾಡೆಲ್‌ಗಳಿಗೆ ಸ್ಪಷ್ಟ ಮತ್ತು ಪರಿಣಾಮಕಾರಿ ಸೂಚನೆಗಳನ್ನು ನೀಡುವ ವಿಧಾನ

ನವೀಕರಿಸಲಾಗಿದೆ: 8 days ago

ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ

OpenAI ಮಾಡೆಲ್‌ಗಳು ತರಬೇತಿ ಪಡೆದಿರುವ ವಿಧಾನದಿಂದಾಗಿ, ವಿಶೇಷವಾಗಿ ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುವ ಮತ್ತು ಹೆಚ್ಚು ಉಪಯುಕ್ತ ಮಾಡೆಲ್ ಔಟ್‌ಪುಟ್‌ಗಳಿಗೆ ಕಾರಣವಾಗುವ ನಿರ್ದಿಷ್ಟ ಪ್ರಾಂಪ್ಟ್ ಸ್ವರೂಪಗಳಿವೆ. ಪ್ರಾಂಪ್ಟಿಂಗ್ ಸಲಹೆಗಳಿಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಪ್ರಾರಂಭಿಸಲು ಉತ್ತಮ ಸ್ಥಳವೆಂದರೆ OpenAI ಯ ಅಧಿಕೃತ ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್ ಮಾರ್ಗದರ್ಶಿ.

ಕೆಳಗೆ ನಾವು ಚೆನ್ನಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ಕಂಡುಹಿಡಿದ ಹಲವಾರು ಪ್ರಾಂಪ್ಟ್ ಸ್ವರೂಪಗಳನ್ನು ನೀಡಿದ್ದೇವೆ, ಆದರೆ ನಿಮ್ಮ ಕಾರ್ಯಕ್ಕೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಬಹುದಾದ ಬೇರೆ ಸ್ವರೂಪಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಹಿಂಜರಿಯಬೇಡಿ.

ಅನುಭವಾಧಾರಿತ ನಿಯಮಗಳು ಮತ್ತು ಉದಾಹರಣೆಗಳು

ಗಮನಿಸಿ: “{text input here}” ಎಂಬುದು ನಿಜವಾದ ಪಠ್ಯ/ಸಂದರ್ಭಕ್ಕಾಗಿ ಪ್ಲೇಸ್‌ಹೋಲ್ಡರ್ ಆಗಿದೆ

1. ಇತ್ತೀಚಿನ ಮಾಡೆಲ್ ಬಳಸಿ

ಅತ್ಯುತ್ತಮ ಫಲಿತಾಂಶಗಳಿಗಾಗಿ, ಸಾಮಾನ್ಯವಾಗಿ ಇತ್ತೀಚಿನ ಮತ್ತು ಅತ್ಯಂತ ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾಡೆಲ್‌ಗಳನ್ನು ಬಳಸಲು ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ. ಹೊಸ ಮಾಡೆಲ್‌ಗಳಿಗೆ ಪ್ರಾಂಪ್ಟ್ ಎಂಜಿನಿಯರಿಂಗ್ ಮಾಡುವುದು ಸುಲಭವಾಗಿರುತ್ತದೆ.


ಗಮನಿಸಿ: ರೀಜನಿಂಗ್ ಮಾಡೆಲ್‌ಗೆ ಪ್ರಾಂಪ್ಟ್ ನೀಡುವುದು ಮತ್ತು GPT ಮಾಡೆಲ್‌ಗೆ ಪ್ರಾಂಪ್ಟ್ ನೀಡುವುದರ ನಡುವೆ ಪರಿಗಣಿಸಬೇಕಾದ ಕೆಲವು ವ್ಯತ್ಯಾಸಗಳಿವೆ. ಹೆಚ್ಚಿನ ವಿವರಗಳು ಇಲ್ಲಿ.

2. ಸೂಚನೆಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್‌ನ ಆರಂಭದಲ್ಲಿ ಇರಿಸಿ ಮತ್ತು ಸೂಚನೆ ಹಾಗೂ ಸಂದರ್ಭವನ್ನು ಬೇರ್ಪಡಿಸಲು ### ಅಥವಾ """ ಬಳಸಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು ಅತ್ಯಂತ ಪ್ರಮುಖ ಅಂಶಗಳ ಬುಲೆಟ್ ಪಾಯಿಂಟ್ ಪಟ್ಟಿಯಾಗಿ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಿ.

{text input here}

ಉತ್ತಮ ✅:

ಕೆಳಗಿನ ಪಠ್ಯವನ್ನು ಅತ್ಯಂತ ಪ್ರಮುಖ ಅಂಶಗಳ ಬುಲೆಟ್ ಪಾಯಿಂಟ್ ಪಟ್ಟಿಯಾಗಿ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಿ.

ಪಠ್ಯ: """
{text input here}
"""

3. ಬಯಸಿದ ಸಂದರ್ಭ, ಫಲಿತಾಂಶ, ಉದ್ದ, ಸ್ವರೂಪ, ಶೈಲಿ ಇತ್ಯಾದಿಗಳ ಬಗ್ಗೆ ಸಾಧ್ಯವಾದಷ್ಟು ನಿರ್ದಿಷ್ಟವಾಗಿ, ವಿವರಣಾತ್ಮಕವಾಗಿ ಮತ್ತು ವಿವರವಾಗಿ ತಿಳಿಸಿ

ಸಂದರ್ಭ, ಫಲಿತಾಂಶ, ಉದ್ದ, ಸ್ವರೂಪ, ಶೈಲಿ ಇತ್ಯಾದಿಗಳ ಬಗ್ಗೆ ನಿರ್ದಿಷ್ಟವಾಗಿರಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

OpenAI ಬಗ್ಗೆ ಒಂದು ಕವಿತೆ ಬರೆಯಿರಿ.

ಉತ್ತಮ ✅:

{famous poet} ಅವರ ಶೈಲಿಯಲ್ಲಿ, ಇತ್ತೀಚಿನ DALL-E ಉತ್ಪನ್ನ ಬಿಡುಗಡೆಗೆ (DALL-E ಪಠ್ಯದಿಂದ ಚಿತ್ರ ರಚಿಸುವ ML ಮಾಡೆಲ್) ಕೇಂದ್ರೀಕರಿಸಿ, OpenAI ಬಗ್ಗೆ ಒಂದು ಚಿಕ್ಕ ಪ್ರೇರಣಾದಾಯಕ ಕವಿತೆಯನ್ನು ಬರೆಯಿರಿ.

4. ಉದಾಹರಣೆಗಳ ಮೂಲಕ ಬಯಸಿದ ಔಟ್‌ಪುಟ್ ಸ್ವರೂಪವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

ಕೆಳಗಿನ ಪಠ್ಯದಲ್ಲಿ ಉಲ್ಲೇಖಿಸಿದ ಘಟಕಗಳನ್ನು ಹೊರತೆಗೆಡಿ. ಕೆಳಗಿನ 4 ಘಟಕ ಪ್ರಕಾರಗಳನ್ನು ಹೊರತೆಗೆಡಿ: ಕಂಪನಿ ಹೆಸರುಗಳು, ವ್ಯಕ್ತಿ ಹೆಸರುಗಳು, ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳು ಮತ್ತು ಥೀಮ್‌ಗಳು.

ಪಠ್ಯ: {text}

ತೋರಿಸಿ ಮತ್ತು ಹೇಳಿ - ನಿರ್ದಿಷ್ಟ ಸ್ವರೂಪದ ಅಗತ್ಯತೆಗಳನ್ನು ತೋರಿಸಿದಾಗ ಮಾಡೆಲ್‌ಗಳು ಉತ್ತಮವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತವೆ. ಇದು ಅನೇಕ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕ್ ಆಗಿ ಪಾರ್ಸ್ ಮಾಡುವುದನ್ನೂ ಸುಲಭಗೊಳಿಸುತ್ತದೆ.

ಉತ್ತಮ ✅:

ಕೆಳಗಿನ ಪಠ್ಯದಲ್ಲಿ ಉಲ್ಲೇಖಿಸಿದ ಪ್ರಮುಖ ಘಟಕಗಳನ್ನು ಹೊರತೆಗೆಡಿ. ಮೊದಲು ಎಲ್ಲಾ ಕಂಪನಿ ಹೆಸರುಗಳನ್ನು ಹೊರತೆಗೆಡಿ, ನಂತರ ಎಲ್ಲಾ ವ್ಯಕ್ತಿ ಹೆಸರುಗಳನ್ನು ಹೊರತೆಗೆಡಿ, ನಂತರ ವಿಷಯಕ್ಕೆ ಹೊಂದುವ ನಿರ್ದಿಷ್ಟ ವಿಷಯಗಳನ್ನು ಹೊರತೆಗೆಡಿ ಮತ್ತು ಕೊನೆಯಲ್ಲಿ ಸಾಮಾನ್ಯ ವ್ಯಾಪಕ ಥೀಮ್‌ಗಳನ್ನು ಹೊರತೆಗೆಡಿ.

ಬಯಸಿದ ಸ್ವರೂಪ:
Company names: <comma_separated_list_of_company_names>
People names: -||-
Specific topics: -||-
General themes: -||-

ಪಠ್ಯ: {text}

5. ಜೀರೋ-ಶಾಟ್‌ನಿಂದ ಪ್ರಾರಂಭಿಸಿ, ನಂತರ ಫ್ಯೂ-ಶಾಟ್ ಪ್ರಯತ್ನಿಸಿ; ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ಕೆಲಸ ಮಾಡದಿದ್ದರೆ, ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಿ

✅ ಜೀರೋ-ಶಾಟ್

ಕೆಳಗಿನ ಪಠ್ಯದಿಂದ ಕೀವರ್ಡ್‌ಗಳನ್ನು ಹೊರತೆಗೆಡಿ.

ಪಠ್ಯ: {text}

ಕೀವರ್ಡ್‌ಗಳು:

✅ ಫ್ಯೂ-ಶಾಟ್ - ಕೆಲವು ಉದಾಹರಣೆಗಳನ್ನು ಒದಗಿಸಿ

ಕೆಳಗಿನ ಸಂಬಂಧಿತ ಪಠ್ಯಗಳಿಂದ ಕೀವರ್ಡ್‌ಗಳನ್ನು ಹೊರತೆಗೆಡಿ.

ಪಠ್ಯ 1: Stripe ವೆಬ್ ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ ವೆಬ್‌ಸೈಟ್‌ಗಳು ಮತ್ತು ಮೊಬೈಲ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಪಾವತಿ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಏಕೀಕರಿಸಲು ಬಳಸಬಹುದಾದ APIಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ.
Keywords 1: Stripe, payment processing, APIs, web developers, websites, mobile applications
##
ಪಠ್ಯ 2: OpenAI ಪಠ್ಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ರಚಿಸಲು ಅತ್ಯಂತ ಸಮರ್ಥವಾದ ಅಗ್ರಗಣ್ಯದ ಭಾಷಾ ಮಾಡೆಲ್‌ಗಳನ್ನು ತರಬೇತುಗೊಳಿಸಿದೆ. ನಮ್ಮ API ಈ ಮಾಡೆಲ್‌ಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ಭಾಷಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಒಳಗೊಂಡ ಬಹುತೇಕ ಯಾವುದೇ ಕಾರ್ಯವನ್ನು ಪರಿಹರಿಸಲು ಬಳಸಬಹುದು.
Keywords 2: OpenAI, language models, text processing, API.
##
ಪಠ್ಯ 3: {text}
Keywords 3:

✅ಫೈನ್-ಟ್ಯೂನ್: ಫೈನ್-ಟ್ಯೂನ್ ಉತ್ತಮ ಅಭ್ಯಾಸಗಳನ್ನು ಇಲ್ಲಿ ನೋಡಿ.

6. “ಅನಗತ್ಯ” ಮತ್ತು ಅಸ್ಪಷ್ಟ ವಿವರಣೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

ಈ ಉತ್ಪನ್ನದ ವಿವರಣೆ ಸಾಕಷ್ಟು ಚಿಕ್ಕದಾಗಿರಬೇಕು, ಕೆಲವೇ ವಾಕ್ಯಗಳಲ್ಲಿ ಇರಬೇಕು, ಮತ್ತು ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು ಆಗಬಾರದು.

ಉತ್ತಮ ✅:

ಈ ಉತ್ಪನ್ನವನ್ನು ವಿವರಿಸಲು 3 ರಿಂದ 5 ವಾಕ್ಯಗಳ ಪ್ಯಾರಾಗ್ರಾಫ್ ಅನ್ನು ಬಳಸಿ.

7. ಏನು ಮಾಡಬಾರದು ಎಂದು ಮಾತ್ರ ಹೇಳುವ ಬದಲು, ಅದರ ಬದಲು ಏನು ಮಾಡಬೇಕು ಎಂದು ಹೇಳಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

ಕೆಳಗಿನದು ಒಂದು ಏಜೆಂಟ್ ಮತ್ತು ಗ್ರಾಹಕರ ನಡುವಿನ ಸಂಭಾಷಣೆ. ಬಳಕೆದಾರಹೆಸರು ಅಥವಾ ಪಾಸ್‌ವರ್ಡ್ ಕೇಳಬೇಡಿ. ಪುನರಾವರ್ತಿಸಬೇಡಿ.

ಗ್ರಾಹಕ: ನಾನು ನನ್ನ ಖಾತೆಗೆ ಲಾಗ್ ಇನ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ.
ಏಜೆಂಟ್:

ಉತ್ತಮ ✅:

ಕೆಳಗಿನದು ಒಂದು ಏಜೆಂಟ್ ಮತ್ತು ಗ್ರಾಹಕರ ನಡುವಿನ ಸಂಭಾಷಣೆ. ಏಜೆಂಟ್ ಸಮಸ್ಯೆಯನ್ನು ಗುರುತಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾನೆ ಮತ್ತು ಪರಿಹಾರವನ್ನು ಸೂಚಿಸುತ್ತಾನೆ, ಜೊತೆಗೆ PII ಗೆ ಸಂಬಂಧಿಸಿದ ಯಾವುದೇ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳುವುದನ್ನು ತಪ್ಪಿಸುತ್ತಾನೆ. ಬಳಕೆದಾರಹೆಸರು ಅಥವಾ ಪಾಸ್‌ವರ್ಡ್ போன்ற PII ಅನ್ನು ಕೇಳುವ ಬದಲು, ಬಳಕೆದಾರರನ್ನು www.samplewebsite.com/help/faq ಸಹಾಯ ಲೇಖನಕ್ಕೆ ಉಲ್ಲೇಖಿಸಿ.

ಗ್ರಾಹಕ: ನಾನು ನನ್ನ ಖಾತೆಗೆ ಲಾಗ್ ಇನ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗುತ್ತಿಲ್ಲ.
ಏಜೆಂಟ್:

8. ಕೋಡ್ ರಚನೆಗೆ ವಿಶೇಷವಾಗಿ - ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ದಿಷ್ಟ ಮಾದರಿಯತ್ತ ಒಯ್ಯಲು “ಮುನ್ನಡೆಸುವ ಪದಗಳನ್ನು” ಬಳಸಿ

ಕಡಿಮೆ ಪರಿಣಾಮಕಾರಿ ❌:

# ಒಂದು ಸರಳ python function ಅನ್ನು ಬರೆಯಿರಿ
# 1. ನನ್ನಿಂದ miles ನಲ್ಲಿ ಒಂದು ಸಂಖ್ಯೆಯನ್ನು ಕೇಳಿ
# 2. ಅದನ್ನು miles ನಿಂದ kilometers ಗೆ ಪರಿವರ್ತಿಸಿ

ಕೆಳಗಿನ ಈ ಕೋಡ್ ಉದಾಹರಣೆಯಲ್ಲಿ, “import” ಸೇರಿಸುವುದು ಮಾಡೆಲ್ Python ನಲ್ಲಿ ಬರೆಯಲು ಪ್ರಾರಂಭಿಸಬೇಕು ಎಂದು ಸೂಚಿಸುತ್ತದೆ. (ಅದೇ ರೀತಿ, SQL ಸ್ಟೇಟ್‌ಮೆಂಟ್‌ನ ಆರಂಭಕ್ಕೆ “SELECT” ಉತ್ತಮ ಸೂಚನೆ.)

ಉತ್ತಮ ✅:

# ಒಂದು ಸರಳ python function ಅನ್ನು ಬರೆಯಿರಿ
# 1. ನನ್ನಿಂದ miles ನಲ್ಲಿ ಒಂದು ಸಂಖ್ಯೆಯನ್ನು ಕೇಳಿ
# 2. ಅದನ್ನು miles ನಿಂದ kilometers ಗೆ ಪರಿವರ್ತಿಸಿ
 
import

9. “ಏನನ್ನಾದರೂ ರಚಿಸಿ” ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸಿ

ಡೆವಲಪರ್‌ಗಳು ಕಾರ್ಯ ಅಥವಾ ನಿರೀಕ್ಷಿತ ಸಹಜ ಭಾಷೆಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ವಿವರಿಸಲು ಮತ್ತು ಹೊಂದಿಕೊಂಡ ಪ್ರಾಂಪ್ಟ್ ಪಡೆಯಲು ‘ಏನನ್ನಾದರೂ ರಚಿಸಿ’ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸಬಹುದು.


‘ಏನನ್ನಾದರೂ ರಚಿಸಿ’ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸುವ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿಯಿರಿ.

ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು

ಸಾಮಾನ್ಯವಾಗಿ, ಮಾಡೆಲ್ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಬದಲಾಯಿಸಲು `model` ಮತ್ತು `temperature` ಅತ್ಯಂತ ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳು ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ.

  1. `model` - ಹೆಚ್ಚಿನ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮಾಡೆಲ್‌ಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ದುಬಾರಿಯಾಗಿರುತ್ತವೆ ಮತ್ತು ಹೆಚ್ಚಿನ ಲೇಟೆನ್ಸಿ ಹೊಂದಿರಬಹುದು.

  2. `temperature` - ಮಾಡೆಲ್ ಕಡಿಮೆ ಸಾಧ್ಯತೆಯ ಟೋಕನ್ ಅನ್ನು ಎಷ್ಟು ಬಾರಿ ಔಟ್‌ಪುಟ್ ಮಾಡುತ್ತದೆ ಎಂಬುದರ ಅಳತೆ. temperature ಹೆಚ್ಚಿದಂತೆ, ಔಟ್‌ಪುಟ್ ಹೆಚ್ಚು ಯಾದೃಚ್ಛಿಕವಾಗುತ್ತದೆ (ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚು ಸೃಜನಾತ್ಮಕವಾಗುತ್ತದೆ). ಆದರೆ ಇದು “ಸತ್ಯನಿಷ್ಠತೆ”ಯಂತೆಯೇ ಅಲ್ಲ. ಡೇಟಾ ಎಕ್ಸ್‌ಟ್ರಾಕ್ಷನ್ ಮತ್ತು ಸತ್ಯನಿಷ್ಠ Q&A ಮುಂತಾದ ಹೆಚ್ಚಿನ ವಾಸ್ತವಾಧಾರಿತ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ, temperature ಮೌಲ್ಯ 0 ಉತ್ತಮ.

  3. `max_completion_tokens` (ಗರಿಷ್ಠ ಉದ್ದ) - ಔಟ್‌ಪುಟ್‌ನ ಉದ್ದವನ್ನು ನಿಯಂತ್ರಿಸುವುದಿಲ್ಲ; ಟೋಕನ್ ರಚನೆಗೆ ಕಟ್ಟುನಿಟ್ಟಾದ ಕಡಿತ ಮಿತಿ ಮಾತ್ರ. ಆದರ್ಶವಾಗಿ ನೀವು ಈ ಮಿತಿಯನ್ನು ಆಗಾಗ ತಲುಪುವುದಿಲ್ಲ, ಏಕೆಂದರೆ ನಿಮ್ಮ ಮಾಡೆಲ್ ಅದು ಮುಗಿದಿದೆ ಎಂದು ಭಾವಿಸಿದಾಗ ಅಥವಾ ನೀವು ವ್ಯಾಖ್ಯಾನಿಸಿದ ಸ್ಟಾಪ್ ಸೀಕ್ವೆನ್ಸ್ ತಲುಪಿದಾಗ ನಿಲ್ಲುತ್ತದೆ.

  4. `stop` (ಸ್ಟಾಪ್ ಸೀಕ್ವೆನ್ಸ್‌ಗಳು) - ರಚಿಸಲಾದಾಗ ಪಠ್ಯ ರಚನೆಯನ್ನು ನಿಲ್ಲಿಸುವ ಅಕ್ಷರಗಳ (ಟೋಕನ್‌ಗಳ) ಗುಂಪು.

ಇತರೆ ಪ್ಯಾರಾಮೀಟರ್ ವಿವರಣೆಗಳಿಗೆ API ಉಲ್ಲೇಖ ನೋಡಿ.

ಈ ಲೇಖನವು ಉಪಯುಕ್ತವಾಗಿತ್ತೇ?