Announcing our new Course: AI Red-Teaming and AI Safety Masterclass
Check it out →
Learn Prompting🟢 “標準”提示
最後更新於August 7, 2024，作者：桑德舒爾霍夫到目前為止，我們已經說過幾種不同格式的提示。根據Kojima等人的說法1，我們將僅包含一個問題的提示稱為“標準”提示。我們還認為僅包含問答形式為問題的提示也是“標準”提示。
我為什麼要在意？
我們引用的許多文章都使用這個術語。我們這麼定義它的目的，以便我們可以討論與標準提示不同的新型提示。
標準提示的兩個示例:
標準提示
法國的首都是哪裡？
問答形式的標準提示
問：法國的首都是哪裡？
答：
Few Shot標準提示
Few shot標準提示2就是隻包含示例的標準提示。示例是提示要解決的任務的例子，這些示例包含在提示本身中3。在研究中，Few shot標準提示有時簡稱為標準提示（儘管我們嘗試在本指南中不這樣稱呼）。
Few Shot標準提示的兩個示例：
Few Shot標準提示
西班牙的首都是哪裡？
馬德里
義大利的首都是哪裡？
羅馬
法國的首都是哪裡？
問答形式的Few Shot標準提示
問：西班牙的首都是哪裡？
答：馬德里
問：義大利的首都是哪裡？
答：羅馬
問：法國的首都是哪裡？
答：
Few shot提示有助於“few shot”或稱為“上下文中”的學習，即在不更新引數的情況下進行學習4
Footnotes
-
Kojima, T., Gu, S. S., Reid, M., Matsuo, Y., & Iwasawa, Y. (2022). Large Language Models are Zero-Shot Reasoners. ↩
-
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2022). Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing. ACM Computing Surveys. https://doi.org/10.1145/3560815 ↩
-
Brown, T. B. (2020). Language models are few-shot learners. arXiv Preprint arXiv:2005.14165. ↩
-
Zhao, T. Z., Wallace, E., Feng, S., Klein, D., & Singh, S. (2021). Calibrate Before Use: Improving Few-Shot Performance of Language Models. ↩