3 cách đạt kết quả tốt hơn với Deep Research trong NotebookLM

Tính năng Deep Research của NotebookLM đôi khi giống như tung đồng xu. Có lúc nó đưa ra câu trả lời thực sự hữu ích từ tài liệu hoặc dự án của bạn, nhưng cũng có lúc nó trả về kết quả quá chung chung, như thể được viết mà không cần đọc bất kỳ nguồn nào. Cách bạn thiết lập một phiên nghiên cứu sẽ thay đổi những gì AI tập trung vào, cách nó kiểm tra các tuyên bố của chính mình và cách nó xử lý tài liệu.

Cách bạn thiết lập một phiên nghiên cứu sẽ thay đổi mọi thứ

Việc gán cho AI một vai trò cụ thể sẽ thay đổi cách nó đọc tài liệu của bạn

NotebookLM rất tuyệt vời vì nó được xây dựng để xử lý một lượng lớn tài liệu cùng một lúc và tìm ra các mối liên hệ giữa chúng. Tuy nhiên, nếu bạn không chỉ định cho nó một điểm cụ thể, bạn đang bỏ lỡ phần lớn tiềm năng đó.

Để đạt được kết quả tốt, bạn cần giao cho AI một vai trò chuyên nghiệp rõ ràng. Đừng coi đây chỉ là những câu văn sáo rỗng hay một trào lưu nhất thời. Việc gán cho nó một "nhân cách" thực sự thay đổi cách mô hình nhìn nhận tài liệu của bạn.

Khi bạn yêu cầu nó suy nghĩ như một chuyên gia cụ thể, bạn đang thay đổi những gì nó chú ý đến, những gì nó coi là quan trọng và mức độ cẩn thận mà nó kiểm tra công việc của chính mình. Về cơ bản, nó sử dụng những ưu tiên này để thiết lập các quy tắc về mức độ thận trọng hoặc hoài nghi, và cách đưa ra quyết định.

Một kiểm toán viên tài chính nghiêm khắc hoặc một nhà phê bình học thuật hoài nghi sẽ trở nên cẩn thận hơn nhiều trong việc chứng minh các tuyên bố và bám sát những gì thực sự có trong tài liệu nguồn của bạn thay vì đoán mò hoặc khái quát hóa.

Hãy đảm bảo cung cấp cho nó các quy tắc rõ ràng trong các prompt của bạn, càng chi tiết càng tốt. Nêu rõ chính xác những gì bạn muốn về độ dài, giọng điệu và phong cách. Nhiều người thích yêu cầu nó giải thích mọi thứ như thể họ biết rất ít về chủ đề đó và giải thích những thuật ngữ chuyên ngành như một giáo sư, bởi vì họ cần điều đó.

Hướng dẫn chung chung dẫn đến kết quả tệ hại

Hãy yêu cầu AI hiển thị các bước làm việc để bạn có thể kiểm tra lại

Nếu muốn nghiên cứu của mình không chỉ đơn thuần là tìm kiếm thông tin cơ bản, bạn cần phải có cách thức yêu cầu nghiên cứu tốt hơn. NotebookLM không phải là người đọc suy nghĩ, và nó có thể rất tệ trong việc tự tìm kiếm tài liệu khi được đưa ra các hướng dẫn chung chung.

NotebookLM có thể chứa tới 2 triệu token trong cửa sổ ngữ cảnh của nó, vì vậy nó có thể tiếp nhận toàn bộ tập hợp tài liệu cùng một lúc thay vì chia nhỏ chúng. Điều này cung cấp cho nó rất nhiều dữ liệu để làm việc. Nếu bạn yêu cầu AI liên kết mọi tuyên bố mà nó đưa ra với một điểm cụ thể, có thể kiểm tra được trong tài liệu nguồn của bạn, bạn có thể sao lưu mọi thứ. Về cơ bản, bạn đã yêu cầu nó hiển thị các bước làm việc để bạn có thể xác minh bất cứ điều gì.

Điều bạn cần làm nữa là hướng dẫn AI chủ động tìm ra những điểm bất đồng và mối liên hệ tiềm ẩn trong tài liệu của bạn thay vì làm phẳng chúng. Nếu không, bạn sẽ nhận được rất nhiều thông tin một chiều mà không hề hay biết.

Bất cứ khi nào có thể, hãy chắc chắn nêu tên những nguồn bạn thích nhất. Hãy cho AI biết rằng những nguồn đó nên được coi là nguồn tham khảo chính cho các chủ đề. Bằng cách đó, bạn tránh được tình trạng thông tin về một chủ đề bị phân tán ở nhiều nơi, và bạn ngăn AI tạo ra các trích dẫn không thực sự chứng minh cho những gì nó đang tuyên bố, hoặc những trích dẫn hoàn toàn không tồn tại.

Trước khi bắt đầu, hãy chắc chắn rằng bạn biết những điểm bất đồng nằm ở đâu. Nếu bạn yêu cầu AI tìm tất cả thông tin bất đồng và mâu thuẫn trong các nguồn của bạn và liệt kê chúng thành các gạch đầu dòng, bạn có thể xác định chính xác nguồn nào nên được coi là chính xác, và sau đó ghi chú lại trước khi bắt đầu.

Các prompt mơ hồ chỉ cho bạn bản tóm tắt hời hợt

Hãy chi tiết khi cần thiết!

Sai lầm lớn nhất mà mọi người mắc phải khi sử dụng Deep Research trên NotebookLM là quá mơ hồ về những gì họ yêu cầu. Nếu bạn chỉ gõ những câu như "tóm tắt các tài liệu này" hoặc "hãy cho tôi biết về dự án này", bạn sẽ nhận được một bản tóm tắt nông cạn, hời hợt, không thực sự cung cấp thông tin hữu ích nào.

Đó là bởi vì khi bạn đưa cho AI một prompt như vậy, nó không có bất kỳ ngữ cảnh nào về ý tưởng thực sự của bạn, vì vậy nó sẽ dựa vào các mẫu mà nó đã học được từ tất cả các văn bản mà nó đã được huấn luyện. Càng tiếp tục tạo ra nội dung mà không có hướng dẫn thực sự, nó càng có xu hướng đi chệch khỏi nội dung thực tế trong tài liệu của bạn và chỉ bắt đầu tạo ra văn bản nghe có vẻ chung chung, có thể áp dụng cho hầu hết mọi thứ.

Nhiều người cho rằng chỉ vì nó có thể đọc tất cả tài liệu được cung cấp, nó sẽ tự động trả về một kết quả gọn gàng và có tổ chức. Thực tế không phải vậy. Nếu bạn chỉ nhập một câu hỏi chung chung, không có cấu trúc và mong đợi nó hiểu được một đống tài liệu khổng lồ, bạn sẽ nhận được một mớ hỗn độn. Bạn sẽ thấy những bức tường văn bản khổng lồ không có cấu trúc thực sự khi hỏi NotebookLM một câu hỏi quá chung chung.

Một cấu trúc tốt là điều cần thiết nếu bạn không muốn một câu trả lời lộn xộn. Khi để hướng dẫn mơ hồ, bạn đang cho mô hình quá nhiều tự do. Điều đó luôn luôn không tốt cho AI vì đó chính là lúc nó bắt đầu mắc lỗi, thiếu ngữ cảnh hoặc định dạng mọi thứ theo những cách kỳ lạ, không nhất quán.

Khi bạn nêu rõ chính xác những gì được coi là tốt, bạn sẽ thu hẹp các lựa chọn của nó và buộc nó phải tập trung vào việc điền vào cấu trúc mà bạn thực sự yêu cầu, thay vì tự tạo ra một cấu trúc riêng. Mẫu càng chính xác, bạn càng kiểm soát được cách nó xử lý tất cả thông tin đó, giữ cho đầu ra tập trung vào chính xác những gì bạn cần.

Tất cả những điều này không biến NotebookLM thành thứ gì đó mới hoàn toàn. Nó vẫn hoạt động dựa trên những gì bạn cung cấp, vì vậy tài liệu nguồn lộn xộn hoặc sơ sài sẽ tạo ra nghiên cứu lộn xộn hoặc sơ sài, bất kể đề bài của bạn tốt đến đâu. Chỉ mất thêm vài phút để thiết lập notebook và đề bài nghiên cứu, nhưng điều đó rất đáng giá.