OpenAI o1大模型：提示词工程已死

news2024/9/20 16:18:09

OpenAI 最近发布了最新大模型 o1，通过强化学习训练来执行复杂的推理任务，o1 在多项基准测试中展现了博士级别的推理能力，甚至在某些情况下可以与人类专家相媲美。

当你使用 o1 的时候，会发现文档中多了一项提示词建议。

翻译一下：

“”"

这些模型在处理直截了当的提示词时表现最佳。一些提示词工程技术，比如少样本提示或指示模型“逐步思考”，可能不会提升性能，有时甚至会妨碍其表现。

以下是一些最佳实践：

保持提示词简单直接：这些模型擅长理解和响应简洁清晰的指令，无需过多的指导。
避免链式思考（CoT）提示：由于这些模型在内部执行推理，提示它们“逐步思考”或“解释你的推理”是没有必要的。
使用分隔符以提高清晰度：使用分隔符，例如三重引号、XML标签或章节标题，来明确区分输入的不同部分，帮助模型正确解释各个部分。
在检索增强生成（RAG）中限制额外上下文：在提供额外上下文或文档时，只包含最相关的信息，以防止模型的响应过于复杂。

“”"

这与之前学习的提示词工程相比，除了使用分隔符跟之前一样，像小样本学习、CoT、RAG这些，在 o1 中使用反而可能起反作用了。

所以，有一种声音表示，现在已经不再需要提示词工程了。

但我的观点正好相反，我恰恰认为更应该需要提示词工程了。因为未来不同的大模型，可能会有不同的提示词编写要求。比如，Claude工程师聊 prompt 时提到，不需要角色扮演

这恰恰也正是提示词工程师的价值所在，了解不同大模型的差异，根据需求编写在某个模型上表现最佳的提示词。

再比如，最近爆火了一个「汉语新解」的 prompt，输入一个词语，就可以生成词语解释卡片。

这个 prompt 在 Claude 3.5 表现得很好，而用其他模型输出就不稳定。

每个模型的提示词，建议跟着官方学。以 o1 为例，OpenAI 有 Cookbook 页面

里面有具体的实践案例，可以参考学习

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述