夕小瑶科技说 原创
作者 | 谢年年、王二狗
有了ChatGPT、GPT4之后，我们的工作学习效率得到大大提升（特别在凑字数方面୧(๑•̀◡•́๑)૭）。
作为一个工具，有人觉得好用，自然也有人觉得难用。
要把大模型用得6，必须得研究一下prompt使用技巧，但有时候绞尽脑汁想的prompt却无法获得理想的输出结果。一个好的prompt的重要性不言而喻，怪不得Prompt工程师这个新兴职业的年薪已经达到了二三十万美元。
但对于大部分公司来说，prompt工程师是请不起的，怎么办呢？
这里有一个省钱小技巧，让你从小白秒变大佬级Prompt工程师！
加州大学团队提出了可以自动优化Prompt的框架——PromptAgent，结合大模型的自我反思特点与蒙特卡洛树搜索规划算法，自动迭代检查Prompt，发现不足，并根据反馈对其进行改进，寻找通往最优Prompt的路径，可以将平平无奇的初始Prompt打造成媲美人类专家手工设计的Prompt。
论文：
论文链接：
https://arxiv.org/pdf/2310.16427.pdf
先看一下例子感受一下有多厉害。
假设我们想要实现生物医学领域的命名实体识别任务，从句子中提取疾病等实体。
prompt可能就设置为：
从句子中提取疾病或状况
这样简单粗暴的prompt虽然也能完成部分简单任务，但是效果并不好。
PromptAgent能够通过该prompt所获得的结果指出错误并不断优化prompt：
您的任务是提取疾病或疾病情况...请避免包含任何相关元素，如遗传模式（如常染色体显性）、基因或基因座（如PAH）、蛋白质或生物途径。...考虑具体的疾病和更广泛的类别，并记住疾病和情况也可以以常见的缩写或变体形式出现。以以下格式提供识别出的疾病或情况：{entity_1,entity_2,....}。...请注意，“locus”一词应被识别为基因组位置，而不是疾病名称。
▲优化示例
可以看到，最终的这份Prompt涵盖了丰富的生物领域知识，且准确率得到了极大提升。简直就是菜鸟秒变大佬！
让我们来看看具体是怎么做的吧！
方法
PromptAgent框架设计
PromptAgent在确保对广阔的prompt空间进行高效策略性的搜索的同时，有效地将专家知识整合到任务prompt中。所谓专家知识通过大模型如GPT-4生成，而其搜索策略使用的是著名的蒙特卡洛树搜索。整体框架如图3所示：
本文将任务prompt定义为状态,而对prompt的修改过程定义为执行动作。如图3（b）所示：
-
给定当前状态(也就是初始prompt)，基本模型(gpt-3.5-turbo)从任务数据集获得初始输出，初始输出往往不如人意，需要进一步优化。
-
使用优化器模型(gpt-4)提供错误反馈并给出改进建议。
-
优化后的模型根据反馈更新prompt并过渡到下一个状态。
如此循环往复，最终导向专家级prompt。
策略优化过程
上述对prompt优化的过程可以无缝地将PromptAgent与主要的规划算法特别是蒙特卡洛树搜索（MCTS）相结合。从而产生最具普适性的专家级Prompt。
蒙特卡洛树搜索（MCTS）通过逐步构建树状结构来实现策略搜索，如图3（a）所示，其中每个节点表示一个状态，每条边表示状态转移的动作。MCTS执行选择、扩展、模拟和反向传播四步走来迭代搜索。迭代过程在达到预定义的迭代次数后结束，选择最高回报的路径作为最终的Prompt。
-
选择：在每层选择最有前途的节点进行进一步的扩展和探索。在每次迭代中，它从根节点开始，遍历每树的每一层，选择每层的后续子节点，并在叶节点处停止。在选择每层的子节点时，利用了上界置信树算法（UCT），帮助在"选择最有希望的路径"和"探索新路径"之间找到一个好的平衡。具体如下所示：
其中表示在状态执行动作时的有可能获得的回报,表示节点的动作集合，表示节点的访问次数，表示在应用动作到节点后得到的子节点，是一个用于调整探索的常数。
公式中第一项用于衡量路径的价值，而第二项衡量被访问节点的不确定性。换句话说，如果一个节点被探索得较少且其子节点也较少被访问过，那么第二项的值会较高。
-
扩展：在前一步选择到达的叶节点下面添加新的子节点来扩展树结构。通过多次应用动作生成和状态转换（图3（b））来完成的，从而产生多个新的动作和状态。需要注意的是，本文采样了多个训练批次得到多样化的错误反馈（动作）。在新的节点中，选择最高回报的节点作为下一个模拟步骤的输入。
-
模拟：模拟扩展阶段所选节点的未来轨迹，并计算如果选择该路径可能得到的回报。模拟策略的选择很灵活，比如选择随机移动直到达到终止状态。为了减少模拟的计算成本并简化过程，本文选择不断生成多个动作，并选择其中回报最高的节点，以快速进入下一个树级别。
-
反向传播：在模拟过程中遇到终止状态时，将进行反向传播。终止状态由预设的最大深度或提前停止条件决定。此时，通过更新Q值函数，沿着从根节点到终止节点的路径反向传播计算未来的回报。对于次条路径中的每个状态-动作对，聚合从状态开始的所有未来轨迹的回报来更新，更新方式如下：
这里M表示从状态开始的未来轨迹的数量，和分别表示从状态和动作开始的第个状态序列和动作序列。
PromptAgent使用预设的迭代次数执行上述四个操作，当达到迭代次数后，选择具有最高回报的最佳路径中的最佳节点（即Prompt）进行最终评估。
实验
实验设置
为了全面评估PromptAgent对各种应用的影响，作者从三个不同领域精选了12个任务进行深入实验：
- 6个BIG-Bench Hard (BBH)任务，强调领域知识（如几何形状和因果判断）和复杂推理能力（如桌上的企鹅、物体计数、认识论推理和时间序列）。
- 3个生物医学领域特定任务：疾病命名实体识别（NER）、生物医学句子相似性任务（Biosses）和医学问答任务（Med QA）。
- 3个著名的自然语言理解任务，包括两个文本分类任务（TREC和Subj）和一个自然语言推理任务（CB）。
实验结果与分析
整体效果
表1显示PromptAgent在BBH任务上明显优于所有基线。相对人类Prompt（ZS）、CoT和APE方法分别提升了28.9%、9.5%和11.2%。
对于需要广泛的领域知识和深厚的LLM Prompt工程经验的生物领域任务，人类Prompt和CoTPrompt效果不佳。而APE通过自动Prompt抽样和优化融入了一些领域知识，减少了人工干预，效果有所提升。但是，PromptAgent相对于APE平均提高了7.3%，这表明PromptAgent可以更好地引导有效的领域知识，产生专家级Prompt，并弥合新手和专家Prompt工程师之间的知识差距。
而对于通用的NLU任务，PromptAgent的能力和通用性也完胜所有的基线。
Prompt泛化性
作者还对经过PromptAgent优化后的Prompt能否推广到其他基础LLM模型上展开评估。由于较低级别和较小规模的LLM模型（如GPT-2或LLaMA）可能无法熟练掌握这些专家级Prompt的微妙之处，会导致显著的性能下降。本次评估选取了一个性能更强大（GPT-4）和一个比GPT-3.5性能更弱的模型（PaLM 2）。结果显示PromptAgent具有巨大的潜力：
-
当使用更强大的GPT-4时，优化后的专家Prompt几乎在所有任务（11/12）中都取得了进一步改进。
-
将专家Prompt转移到PaLM 2时，性能可能不如更强大的模型，但仍然可以在某些任务（如Penguins）中获得提升。
消融实验
本文还对比了多种搜索策略的效果，包括每次随机抽样并选择一个动作的单次蒙特卡洛（MC）搜索、始终选择多个样本中的最佳样本的贪婪深度优先搜索（Greedy）和在每个层级保留多个有用路径的束搜索（Beam search）。表格4显示：
-
贪婪搜索（Greedy）和束搜索（Beam）都极大地改进了MC基线，表明结构化的迭代探索是必要的。
-
Beam和Greedy严格按照前进的方向操作，没有在Prompt空间中进行策略性搜索，缺乏预见未来结果和回溯过去决策的能力。相比之下，MCTS的策略规划允许PromptAgent更有效地遍历复杂的专家Prompt空间，在所有任务上明显优于所有搜索变体。
搜索效率分析
除了卓越的性能外，PromptAgent的一个关键优势是通过策略规划能够高效地搜索。搜索效率是通过搜索过程中Prompt数量来衡量的，即在搜索过程中生成的节点数。图4a中绘制了搜索效率与任务性能的关系，可以看到，PromptAgent的数据点聚集在左上角，表明在更高的准确性下，搜索的节点数也较少。
结论
本文介绍了PromptAgent，一种新颖的Prompt优化框架，结合LLMs的自我反思能力将任务的领域特定知识纳入到新生成的Prompt中，并使用MCTS规划的能力高效遍历复杂的Prompt空间找到专家级Prompt，PromptAgent优化后Prompt也始终表现出专家级的特征，丰富了领域特定的细节和指导。
在未来势必会出现越来越强大的大语言模型，能理解并支持的复杂指令越来越多，仅依赖人工专家Prompt是远远不够的，自动构建专家级Prompt将是一个非常有潜力的方向。
