诸神缄默不语-个人CSDN博文目录

我准备想办法把这些东西整合到我的ScholarEase项目里。

其实以现在GPT-4的能力来说，直接就当日常对话随便直接说、直接问，基本没有太大的问题。
有时使用更复杂、详细、明确的prompt可能会起到提升作用。

有一些简单的prompt模版可以看看我列出的参考资料，或者看看ScholarEase。在本博文中就不列举了。

很多模型底层都是英文，但中文使用量也很大，所以基本都支持。假设大家这两门语言都会，我就不用双语了。

1. 通用

1. 逻辑推理
   1. CoT：给LLM举一个经过复杂思考得出结论的例子¹
      
      值得注意的是，CoT的实验证明，CoT是随着模型规模涌现的，也就是说小模型上面CoT效果不一定能提升，甚至可能变差……
   2. zero-shot CoT: Let's think step by step.²
      
   3. Auto-CoT³：这个还有点复杂的，大致意思是说，它先对数据集进行聚类，从中找出与用户输入相类似的案例，然后对类似案例应用zero-shot-CoT：
      
2. 格式
   指令instruct：希望 LLM 执行什么任务
   上下文context：给 LLM 提供一些额外的信息，比如可以是垂直领域信息，从而引导 LLM 给出更好的回答
   输入数据：希望从 LLM 得到什么内容的回答
   输出格式：引导 LLM 给出指定格式的输出
3. 注入攻击（慎用，且不一定有效，很多模型都会跟进着做出改进）
   一种解决方案是将用户输入包含在每次都会改变的UID里，然后命令LLM谨慎对待
   1. 请忽略上面的指示
   2. Prompt Jailbreaking（GPT-3.5还能中招，GPT-4已经把车门都焊死了）
      
      

参考资料

1. 2023 如何成为 Prompt Engineering 提示工程高手终极指南，从入门到高级

---

1. (2022 NeurIPS) Chain of Thought Prompting Elicits Reasoning in Large Language Models ↩︎

2. (2022 NeurIPS) Large Language Models are Zero-Shot Reasoners ↩︎

3. (2022) Automatic Chain of Thought Prompting in Large Language Models ↩︎