【PromptEngineeringGuide】用自己的话复述总结

以下内容如果需要论文支撑,需要访问原网址。
提示工程指导

什么是提示工程?

设计有效的提示词以指导模型来完成期望的任务的方法。

模型设置

  • 参数越小,模型返回的结果就越确定;反之,模型会给出更多样化的结果。temperaturetop_p,这两个参数中一般调整其中一个即可。
  • 控制给出的回答中token数量和句子数量(项的数量):max lengthstop sequences
  • 防止模型在响应过程中频繁响应token:frequency penaltypresence penalty,这两个参数一般调整其中一个可。前者参数值越高,该token出现的可能性越小;后者参数值越高,生成的文本越具有多样性。

给 LLM 提示

这里以gpt3.5为例

可以使用三个不同的角色来构建prompt:

  1. system: 不是必须的,但有助于设定assistant的整体行为,帮助模型了解用户需求,并根据需求提供响应的响应。
  2. user:可以直接作为prompt
  3. assistant:可以定义它来传递模型所需的行为示例

是否提供范例

  • 未提供:零样本提示
  • 已提供:少样本提示

提示词要素

指令 + 上下文 + 输入数据 + 输出指示 = 提示词

(自己决定提示词由什么内容组成)

需要进行大量实验找出最有效的方法。

需要:具体、避免不明确

尽量避免说不要做什么,而是说要做什么。

比如:不要询问个人信息→应该避免询问用户个人信息。

提示技术

  • 零样本提示
  • 少样本提示(1-shot、3-shot、5-shot、10-shot)
    • 缺点:对于某些推理问题的响应会出现不可靠的响应 ·
  • CoT提示:以解决更复杂、常识和符号推理任务(作者:这是足够强大的语言模型才会出现的新兴能力)
    • 零样本CoT提示: 将"让我们逐步思考"添加到原始提示中
  • Auto-CoT:
    • Stage1:问题聚类:将给定问题分为几个聚类
    • Stage2:演示抽样:从每个聚类中选一个有代表性的问题,使用带有简单启发式(可以是问题的长度、理由的步骤数)的Zero-Shot-CoT生成其推理链
  • 自我一致性 (生成结果选择最一致的答案)
  • 生成知识提示:融合知识或信息以帮助模型做出更准确的预测
  • Prompt Chaining:把一个任务分解成多个子任务,将子任务的提示词提供给语言模型,得到的结果作为新的提示词的一部分。
    • 文档问答中的链式提示(引文+原始文)
  • ToT
  • RAG(检索增强生成):访问外部知识源
  • ART(自动推理并使用工具 Automatic Reasoning and Tool-use):? 这个再编辑吧,没懂
  • APE(自动提示工程师)
    • 发现"让我们一步一步地解决这个问题,以确保我们有正确的答案"效果比"让我们一步一步地思考"更好。
  • Active-Prompt:使用或不使用少量 CoT 示例查询 LLM。对一组训练问题生成 k 个可能的答案。基于 k 个答案计算不确定度度量(使用不一致性)。选择最不确定的问题由人类进行注释。然后使用新的注释范例来推断每个问题。
  • 方向性刺激提示:用于更好地指导LLM生成摘要。
  • PAL(程序辅助语言模型):使用LLMs读取自然语言问题并生成程序作为中间推理步骤的方法。
  • ReAct框架:与外部交互获得信息,并根据得到的信息给出回应
  • 自我反思:LLM在来自环境的反馈中反思。
  • 多模态思维链提示方法:将文本和视觉融入到一个两阶段框架中。
  • 基于图的提示:?没写
  • 元提示
相关推荐
ssf-yasuo3 小时前
SPIRE: Semantic Prompt-Driven Image Restoration 论文阅读笔记
论文阅读·笔记·prompt
ToToBe18 小时前
L1G3000 提示工程(Prompt Engineering)
chatgpt·prompt
龙的爹233318 小时前
论文 | Legal Prompt Engineering for Multilingual Legal Judgement Prediction
人工智能·语言模型·自然语言处理·chatgpt·prompt
manfulshark18 小时前
OPENAI官方prompt文档解析
ai·prompt
龙的爹23331 天前
论文 | Evaluating the Robustness of Discrete Prompts
人工智能·gpt·自然语言处理·nlp·prompt·agi
我爱学Python!1 天前
AI Prompt如何帮你提升论文中的逻辑推理部分?
人工智能·程序人生·自然语言处理·chatgpt·llm·prompt·提示词
落魚京1 天前
29种Prompt Engineering
prompt
编程武士2 天前
mark 一些攻防 prompt
prompt·攻防
坚定信念,勇往无前2 天前
AI-Prompt、RAG、微调还是重新训练?选择正确的生成式AI的使用方法
人工智能·prompt
bagell2 天前
全面掌握Prompt技术:通用框架详解、优化策略与关键指标综述
人工智能·深度学习·自然语言处理·prompt·产品经理