AIGC動態(tài)歡迎閱讀

原標(biāo)題：比「讓我們一步一步思考」這句咒語還管用，提示工程正在被改進(jìn)

關(guān)鍵字：提示,工程,研究者,模型,任務(wù)

文章來源：機(jī)器之心

內(nèi)容字?jǐn)?shù)：8404字

內(nèi)容摘要：機(jī)器之心報(bào)道編輯：rome rome大語言模型可以通過元提示執(zhí)行自動提示工程，但由于缺乏足夠的指導(dǎo)以引導(dǎo)大語言模型中的復(fù)雜推理能力，它們的潛力可能沒有完全發(fā)揮。那么該如何指導(dǎo)大語言模型進(jìn)行自動提示工程？大型語言模型（LLM）已經(jīng)是許多自然語言處理任務(wù)的強(qiáng)大工具，只要能給出正確的提示。然而，由于模型的敏感性，找到最優(yōu)提示通常需要進(jìn)行大量手動嘗試和試錯(cuò)努力。此外，一旦將初始提示部署到生產(chǎn)環(huán)境中，可能會出現(xiàn)意想不到的邊緣情況，需要更多輪的手動調(diào)整來進(jìn)一步完善提示。這些挑戰(zhàn)催生了自動提示工程的新興研究領(lǐng)域。在這一領(lǐng)域內(nèi)，一個(gè)顯著的方法涉及利用 LLM 自身的能力。具體來說，這涉及使用指令對 LLM 進(jìn)行元提示，例如「檢查當(dāng)前提示和一批示例，然后提出一個(gè)新的提示」。雖然這些方法取得了令人印象深刻的性能，但隨之而來的問題是：什么樣的元提示適用于自動提示工程？為了回答這個(gè)問題，來自南加州大學(xué)、微軟的研究…

原文鏈接：點(diǎn)此閱讀原文：比「讓我們一步一步思考」這句咒語還管用，提示工程正在被改進(jìn)

聯(lián)系作者

文章來源：機(jī)器之心

作者微信：almosthuman2014

作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺