ExpertPrompting: Instructing Large Language Models to be Distinguished Experts
如果适当设计提示，对齐的大型语言模型（LLM）的回答质量可以显著提高。在本文中，我们提出了ExpertPrompting，以激发LLM作为杰出专家回答问题的潜力。我们首先利用In-Context Learning自动合成每个具体指令的详细和定制的专家身份描述，然后要求LLM在这种代理背景条件下提供答案。基于这种增强的提示策略，我们使用GPT-3.5生成了一组新的遵循指令的数据，并训练了一个竞争的开源聊天助手，名为ExpertLLaMA。我们使用基于GPT4的评估来证明，1）专家数据比普通答案的质量显著更高，2）ExpertLLaMA优于现有的开源对手，并达到了原始ChatGPT能力的96%。所有数据和ExpertLLaMA模型将在https://github.com/OFA-Sys/ExpertLLaMA上公开。
在本文中，我们提出了ExpertPrompting和ExpertLLaMA。ExpertPrompting是一种增强的提示策略，用于指导LLM以杰出专家的方式回答问题。它是自动的、通用的，同时仍然易于实现。我们将这种提示策略应用于GPT-3.5，以生成一组新的遵循指令的数据，并基于此训练了一个新的开源聊天助手ExpertLLaMA。根据基于GPT4的评估，ExpertPrompting产生了更高质量的答案，ExpertLLaMA优于现有的开源聊天助手，达到了原始ChatGPT能力的96%。在未来，我们将扩大指令数据的规模，超过52k Alpaca，以进一步提高ExpertLLaMA。
