Promot知识

• 大模型基本原理
  • 给模型输入什么数据，模型就会尝试学习什么内容
• Prompt十个技巧
  • 三大类
    • 迭代法
      • 1、定基础
        • 优先保证任务+生成主体能够生成出我们想要的内容+细节+形式
        • 在给出任务+生成主体的情况下，模型生成效果较差，可增加细节词也无济于事
      • 2、做强调（需求强调）
        • 顺序
          • 因为训练时的语料长度并非是固定字数，所以越靠后的描述可能”权重越低“，将对应需求靠前会提升影响
        • 强调词
          • 描述某点是自己非常看重的内容，增加”非常“、”强调“、”务必“等词汇来强调重要程度
        • 语言风格
          • 优化个人语言表达，尽可能官方、清晰、有逻辑
      • 3、提预设
        • 预设大模型的功能以及使用方式，后续更换其他主题词时能够达到事半功倍的效果
        • 现在模型基本没有记忆功能，所以他会总结前面的对话，然后再发送给大模型，所以看起来大模型有记忆能力，但是因为发送给大模型的长度是有限的，所以输入时间久了之后就会看起来大模型好像失忆了，实际上是大模型的记忆长度达到上限，总结前面话语时遗失了重要信息。
        • 交互更多是细节的展示以及内容延伸，不建议作细碎需求修改方式，因为大模型记忆内容有限，随着多次对话而失去重要信息
    • Trick法
      • 4、戴高帽
        • 实际上有时候一个好的结果并不需要一堆细节此，只需要加入一句”你就是游戏大作的特效师“就能得到很好效果
      • 5、说好话
        • 人类沟通中比较礼貌友善的数据，在说好话时更容易被准确回复
        • 因为大模型加入了学习思维链的数据，所以类似教小孩一样”多想想““你这个答案怎么得到的呀”这类话语用在大模型上也能得到很好的效果
      • 6、给提示（Few-shot小样本提示）
        • 之前我们提到的都是Zero-shot,就是不给模型额外数据的情况下让模型作答，那么我们给出少量样本会做得更好
      • 7、做假设
        • 由于数据和采样策略的原因，我们很难保证大模型在生成时不会说胡话，那么使用“增加假设”的方式就可以让大模型在犹豫时不瞎说
        • eg:请给出布鲁弗莱高级技工村下午工作人数变化情况+如果你的数据存在问题，例如数据不准确、缺乏时效性等，那么可以给出否定答复，例如：目前没有相关数据可提供参考
    • 工具法
      • 8、检索类
        • Lexia、PromptHero……
      • 9、优化类工具
        • PromptPerfect/http://promptperfect.jinaai.cn/
      • 10、搞收纳
        • PromptBox时一个用于组织和保存人工智能给提示的工具，可以结合浏览器插件帮助创作者美观的组织Prompt保存、共享、分类

十个技巧