这篇文章主要谈了提示工程的基本理念以及如何将这些理念应用于提升大语言模型的性能,其中作者提到了他在做提示工程时用到的策略:
1. 构建一个高效的评估体系
2. 从简单的提示词开始
3. 根据需要逐步增加复杂度,以达到预期的性能
说的挺有道理的,尤其是第一步很容易被人忽略,就是要准备一个自己的测试集,针对你的提示词效果进行评估。
我日常在使用提示词时,会把一些有问题的输入输出保存下来,每次优化提示词或者换模型,就拿这些数据跑一遍,看看效果是更差了还是更好了,这样就大概知道提示词或者模型是否有提升。
在他的基础上,我会再增加两条:
4. 尝试将复杂的任务拆分而不是企图让一条提示词满足全部需求
5. 先使用能力最强的模型知道当前 AI 能力的边界,然后才去优化能力较弱的模型,而不是反过来。
原推的完整译文:https://t.co/LnZzEX7X4M
点击图片查看原图
点击图片查看原图
点击图片查看原图
点击图片查看原图