网站建设 站内搜索,专业网站托管,珠海百度seo,wordpress网址静态化前言#xff1a;因为大模型的流行#xff0c;衍生出了一个小领域“Prompt工程”#xff0c;不知道大家会不会跟小编一样#xff0c;不就是写提示吗#xff0c;这有什么难的#xff0c;不过大家还是不要小瞧了Prompt工程#xff0c;现在很多大模型把会“Prompt工程”作为… 前言因为大模型的流行衍生出了一个小领域“Prompt工程”不知道大家会不会跟小编一样不就是写提示吗这有什么难的不过大家还是不要小瞧了Prompt工程现在很多大模型把会“Prompt工程”作为招聘条件甚至作为一个岗位小编在这里浅浅的总结一下 1. 什么是Prompt工程
Prompt工程Prompt Engingering也被称为上下文提示In-Context Prompting指的是通过结构化文本等方式来完善提示词引导LLM输出我们期望的结果。 简单一点来说就是给LLM模型一些提示或者说指令让LLM模型清晰准确的知道我们要干什么。
那给什么样的提示或者指令能更好更准确输出我们想要的结果呢怎么设计这样的指令呢 这就是Prompt工程要考虑的事情
2. Prompt工程由哪些部分组成
Prompt工程针对不同的任务设计了不同的提示模版一般包含下述几部分
角色 给 AI 定义一个最匹配任务的角色比如「你是一位软件工程师」「你是一位小学老师」指示 对任务进行描述上下文 给出与任务相关的其它背景信息尤其在多轮交互中例子 必要时给出举例学术中称为 one-shot learning, few-shot learning 或 in-context learning实践证明其对输出正确性有很大帮助输入 任务的输入信息在提示词中明确的标识出输入输出 输出的格式描述以便后继模块自动解析模型的输出结果
3. 如何写好Prompt工程调优
1学会定义角色
大模型对 prompt 开头和结尾的内容更敏感。 先定义角色其实就是在开头把问题域收窄减少二义性。
2学会举例
举例子可以让模型快速get到我们的意图方便好用并且效果不错
4. 案例说明
举一个小编深有体会的栗子~ 相信读研的小伙伴都会遇到的场景假如小编现在在写论文需要将下述这段中文翻译成一段英文 Yaowei Li等人设计了一个跨模态表示对齐器使用一组正交基和双门机制来学习全局跨模态对齐并通过三重对比损失进行全局对齐。 以chatgpt4为例
prompt请将下述内容翻译成英文: 【prompt上述内容】输入到chatgpt4中得到如下输出 Yaowei Li and colleagues designed a cross-modal representation aligner that employs a set of orthogonal bases and a dual-gating mechanism to learn global cross-modal alignment. This alignment is achieved through a triplet contrastive loss. prompt假如你是一名专业的学术论文撰稿者你现在正在写论文对下述内容进行翻译使其符合学术论文表达 【prompt上述内容】 输入到chatgpt4中得到如下输出 Yaowei Li et al. have developed a cross-modal representation aligner that leverages a set of orthogonal bases and a dual-gate mechanism to facilitate global cross-modal alignment. The alignment process is optimized using a triplet contrastive loss function to ensure comprehensive alignment across modalities. 5. 参考
https://blog.csdn.net/qq_36372352/article/details/138027055https://zhuanlan.zhihu.com/p/666572032
