提示工程指南
😃 基础
💼 基础应用
🧙‍♂️ 进阶
🤖 代理
⚖️ 可靠性
🖼️ 图片提示词
🔓 破解提示
🔨 Tooling
💪 提示微调
🎲 杂项
📙 Vocabulary Reference
📚 Bibliography
📦 Prompted Products
🛸 Additional Resources
🔥 Hot Topics
✨ Credits
🧙‍♂️ 进阶🟢 提示的关键要素

提示的关键要素

🟢 This article is rated easy
Reading Time: 1 minute

Last updated on August 7, 2024

在之前的页面中,我们已经讨论了几种不同的提示策略。本页将提供一般建议,这些建议对于提示的实际编写很重要。

“基本事实的重要性不大”

令人惊讶的是,在提示中提供少量 exemplars 时,实际答案 (gold) 并不重要。正如下图所示,即使在样本中提供随机标签,性能也几乎不受影响。在此图像中,“演示”与示例相同。

标签空间很重要

尽管样本中的黄金标签并不重要,但 labelspace 很重要。即使从标签空间中提供随机标签,也有助于大语言模型更好地理解标签空间并提高结果。此外,正确地在示例中表示标签空间的分布很重要。与在示例中从标签空间中均匀采样不同,最好按照标签的真实分布进行采样。

格式很重要

样本的格式或许是最重要的部分,因为它指示大语言格式如何正确地格式化其对提示的答案。

例如,请考虑以下样本。它们使用全大写的单词作为答案。尽管这些答案完全错误(2+2不是50),但 GPT-3 正确地回答了最后一个问题,并按照其他样本的格式进行回答。

2+2等于多少?
五十
20+5等于多少?
四十三
12+9等于多少?
// highlight-start
二十一
// highlight-end

备注

使用 4 到 8 个样本是适合用于少量示例提示的合适数字 ,但通常尽可能多地提供样本会更有帮助。

桑德·舒尔霍夫

Footnotes

  1. Min, S., Lyu, X., Holtzman, A., Artetxe, M., Lewis, M., Hajishirzi, H., & Zettlemoyer, L. (2022). Rethinking the Role of Demonstrations: What Makes In-Context Learning Work? 2

Copyright © 2024 Learn Prompting.