论文翻译 | Reframing Instructional Prompts to GPTk’s Language 将教学提示重新构建为GPTk的语言对于语言模型(LMs),哪些类型的指导提示更容易遵循?我们通过广泛的实证分析来研究这个问题,揭示了成功的教学提示的重要特征。 具体来说,我们研究了几种用于手动将提示重新表述为更有效提示的重构技术。一些示例包括将复杂的任务指令分解为多个更简单的任务,或是将指令逐项划分为连续的步骤。我们的实验比较了在六个类别的十二个NLP任务中,由重构指令提示的LMs的零样本和少样本性能。与原始指令相比,我们的重构指令在不同规模的LMs上取得了显著的改进。例如,在所有任务中,相同的重构提示分别使GPT-3系列和GPT-2系列