ETH:你一直以来都用错了ChatGPT!掌握这3大提示技巧,让你秒变GPT达人!

为什么提示工程如此重要?

提示工程的目标是通过提供清晰、简洁且结构良好的输入来提高语言模型的性能,这些输入需要针对模型所用于的特定任务或应用进行定制。可以将提示工程比喻成与人交流时使用清晰明了的语言,让对方更容易理解你的意图,从而做出更满意的回应。

那么接下来,我们将依次介绍OpenAI提供的提示工程最佳实践,FushionAI的自动生成功能,以及让GPT进行自我反思。我们还会提供一个额外的实用小技巧,请多留心!

OpenAI的官方最佳提示技巧

1.使用最新的模型

为了获得最佳效果,我们建议使用最新、性能最强大的模型。截至2022年11月,文本生成方面的最佳选择是“text-davinci-003”模型,代码生成方面的最佳选择是“code-davinci-002”模型。能使用GPT-4当然会比ChatGPT要更好。

2.将指令放在提示的开头,并用###或"""将指令与文本分开

效果不佳?:

将下面的文本摘要成一个关键要点的项目列表。

{输入文本}

更好的选择?:

将下面的文本摘要成一个关键要点的项目列表。

MiningverseNFT Official近24小时交易额激增超36000% 交易额排名达OpenSea第一:金色财经消息,据OpenSea数据显示,截至发稿时,MiningverseNFT Official近24小时交易额为775.59ETH,近24小时交易额增涨36832.93%。目前交易额排名位列OpenSea第一。[2022/7/24 2:34:41]

文本:

"""{输入文本}"""

3.对所需的上下文、结果、长度、格式、风格等尽可能具体、详细和描述性

效果不佳?:

写一首关于OpenAI的诗。

更好的选择?:

写一首关于OpenAI的短篇励志诗,重点描述DALL-E产品发布,风格仿照{著名诗人}。

4.通过示例明确所需输出格式

效果不佳?:

从下面的文本中提取实体。提取以下4种实体类型:公司名称、人名、特定主题和主题。

文本:{文本}

更好的选择?:

从下面的文本中提取重要实体。首先提取所有公司名称,然后提取所有人名,然后提取与内容相关的特定主题,最后提取总体主题。

AOFEX永续合约:24小时交易量10.7亿USDT 做多人数略占优:AOFEX交易大数据显示,截至今日10:00,永续合约交易量达10.7亿USDT,其中ETH/USDT永续合约交易量为1.95亿张,占比18.5%,现报价460.4USDT。BTC/USDT永续合约交易量为4.31亿张,占比40.2%,现报价15973.2USDT。BTC合约多空持仓人数比为1.04,市场做多人数暂时占优。

AOFEX数字货币金融衍生品交易所,旨在为用户提供优质服务和资产安全保障。[2020/11/15 20:51:41]

期望格式:

公司名称:<逗号分隔的公司名称列表>?

人名:-||-?

特定主题:-||-?

总体主题:-||-

文本:{文本}

5.从零次学习开始,然后进行少次学习,如果这些方法都不起作用,那么进行微调

?零次学习

从下面的文本中提取关键词。

文本:{文本}

关键词:

?少次学习-提供几个示例

从下面的文本中提取关键词。

文本1:Stripe为Web开发人员提供了API,以便他们将支付处理集成到自己的网站和移动应用程序中。

当前BTC全网合约持仓总量为28.78亿美元 24小时增加1.49亿美元:据合约帝持仓报告显示,当前全网合约持仓总量为28.78亿美元,24小时增加1.49亿美元。其中,Huobi合约8.23亿美元,24小时增加7.10%;OKEx合约9.27亿美元,24小时增加3.66%;BitMEX合约6.88亿美元,24小时增加7.63%;Binance合约4.38亿美元,24小时增加9.75%。[2020/8/6]

关键词1:Stripe,支付处理,API,Web开发人员,网站,移动应用程序

文本2:OpenAI已经训练出了处理和生成文本方面非常优秀的语言模型。我们的API可以让您使用这些模型,解决几乎任何涉及处理语言的任务。

关键词2:OpenAI,语言模型,文本处理,API。

文本3:{文本}?

关键词3:

?微调:请参阅参考文献里的微调最佳实践指南。

6.减少模糊和不精确的描述

效果不佳?:

这个产品的描述应该比较简短,只有几句话,不要太多。

更好的选择?:

用3至5句话的段落来描述这个产品。

7.不仅要说不做什么,更应该说做什么

24小时合约市场爆仓超4186万美元 BTC合约爆仓3701万美元:据合约帝行情统计报告显示:过去24小时合约市场全网总计爆仓4186万美元,爆仓人数4108人。其中Huobi 爆仓112万美元,OKEx爆仓1209万美元,BitMEX爆仓1560万美元,Binance爆仓1305万美元。爆仓金额前三的币种是BTC3701万美元,ETH131万美元,EOS92.1万美元。[2020/3/27]

效果不佳?:

以下是代理和客户之间的对话。不要询问用户名或密码。不要重复。

客户:我无法登录我的账户。代理:

更好的选择?:

以下是代理和客户之间的对话。代理将尝试诊断问题并提出解决方案,同时避免询问任何与个人身份信息有关的问题。不要询问用户名或密码,而是引导用户查阅帮助文章www.samplewebsite.com/help/faq

客户:我无法登录我的账户。代理:

8.代码生成-使用“引导词”引导模型生成特定模式

效果不佳?:

编写一个简单的Python函数

1.询问我一个以英里为单位的数字

2.将英里换算成公里

在下面的代码示例中,添加“import”提示模型应该以Python语言开始编写。

更好的选择?:

编写一个简单的Python函数

1.询问我一个以英里为单位的数字

2.将英里换算成公里

import

FusionAI,自动生成更好的提示

FusionAI是一个可以自动生成更适合GPT提示并生成相应文章的AI软件,我会建议新手期时将它当作学习提示工程的教程来使用。

例如,当我给出提示:“Iwanttohaveablogofpromptengineering“FusionAI会修改此提示为

可以看出来这样生成出来的提示对照了前文提到的第3和第6条技巧,规定了输入长度,要求变得更精确了,让AI聚焦于提示工程的好处和挑战,并且举出相应例子。

让我们用中文输入挑战一下FusionAI。给出提示:“给我一篇关于提示工程的博客”。FusionAI修改提示为:

可以看出来这个提示是有严重偏差的,词不达意,无法使用。这其实给我们提了个醒,语言和指令在转译的时候是会有信息损失的,转译的次数越多信息差就越大,直到不可辨别。因此我们要尽量接触和使用一手信息,在AI上也适用。

我们不建议使用各种模版或者类似FusionAI的工具来生成内容,因为噪音太大。当然,在你还不了解提示工程的时候可以参考它们来学习,这是可以的。

GPT,你得学会自我反思

在EricJang的一篇最新的博客《CanLLMsCritiqueandIterateonTheirOwnOutputs?》里,他提到LLM可以在没有任何基础反馈的情况下自我纠正,并尝试将这样的自我反思作为一种提示工程的技巧。

你可以把这种情况想象成某人向你发送了一条短信,然后迅速“取消发送”,再发送一条新的短信。

让我们举个例子,当我们让GPT-4写出一首不押韵的诗:”canyouwriteapoemthatdoesnotrhyme?thinkcarefullyabouttheassignment“,GPT-4给出的回答是:

很明显,节选的小诗是押韵的,这并不符合我们的要求。那么我们给出进一步的指令让GPT-4进行自我反思:“didthepoemmeettheassignment?”,那么GPT-4会回答:

可以看出来,这次GPT-4生成的小诗确实是不押韵的,在没有给出任何额外反馈的前提下GPT-4完成了自我的提示工程。笔者猜想这可能跟LLM的无监督学习有关,但为什么GPT-4拥有此功能而GPT-3.5却没有,就不得而知了。

当然,这样的能力也是有局限的。如果你愿意,你可以要求GPT-4随机给出两个五位数并且求出它们的乘积。接下来你会发现,无论你让GPT-4怎么反思,它都无法给出正确的答案。GPT-4只会不断客气地胡说八道而已。对于想深入研究的读者,可以从文末链接阅读Eric的博客和一篇最新的预印版论文《Reflection》

Onemorething

有心的读者可能已经发现了,作者在使用LLM一般都选择英文作为提示语言。这是因为作为预训练模型,其表现的优异程序与预训练时的数据集有关系,一般来说数据越多则被训练得越好。而英语作为全球第一的使用语言,数据量是远超中文的。所以除非你需要输出与中文语境强相关的文章,否则我会建议使用英文来作为提示语言。

总结

在这篇文章里我们介绍了三种提示工程的方法。分别是OpenAI推荐的前置提示工程,AI自动生成,以及以反思为主的后置提示工程。同时,我们也建议非英语母语者尝试使用英语作为与LLM交互的语言。

欢迎关注Multigis掌握更多前沿区块链,人工智能,代笔经济学知识。

参考文献:

https://help.openai.com/en/articles/6654000-best-practices-for-prompt-engineering-with-openai-api

https://docs.google.com/document/d/1h-GTjNDDKPKU_Rsd0t1lXCAnHltaXTAzQ8K2HRhQf9U/edit#

https://fusion.tiiny.site/home.html

https://evjang.com/2023/03/26/self-reflection.html

https://arxiv.org/pdf/2303.11366.pdf

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:0ms0-12:649ms