大模型-提示工程

知识框架

内容详介

大语言模型（Large Language Models）

分为两种：基础大预言模型（Base LLM）、指令微调大语言模型（Instruction Tuned LLM）。

基础大预言模型：基于训练数据的统计概率，给出上文预测下文

指令微调大语言模型：使用RLHF（Reinforcement Learning Human Feedback）技术微调，让模型根据命令给出回答

示例：给出问题-法国的首都在哪里？

回答：

• 基础大预言模型：法国最大的城市是什么？
• 指令微调大语言模型：法国的首都在巴黎

ChatGPT提问的原则

原则1：编写具体清晰的指令

原则2：给ChatGPT思考的时间

原则1

有如下的4个技巧：

1）使用分割符

三个引号"""、三个反斜杠、三个横杠---、尖括号<>、XML标签<tag></tag>

2）要求模型给出结构化输出

输出JSON格式

输出HTML格式

3）检查条件是否满足

告诉ChatGPT边界条件，以及此时应该如何处理

4）给出示例（Few-shot prompting）

给出一两个例子，让ChatGPT学习如何回答

原则2

有如下的4个技巧：

1）让ChatGPT按照步骤给出思考过程：给出实现步骤

2）让ChatGPT给出结论之前先自己思考一下

提示工程的循环迭代

迭代过程

ChatGPT的使用举例

1、总结：给定文本按照要求总结

2、推断：情感识别、推断对话讨论的主题

3、转换：多语种翻译、拼写和语法检查和改写

4、扩展：按照要求续写、创作

5、聊天机器人

ChatGPT接口的重要参数

1、Temperature

取值为0～1，决定ChatGPT回答的随机性

2、Role

ChatGPT在处理信息时候的权重：System < Assistant < User

System：系统预置的信息，就像在ChatGPT耳边不断低语，通常用户不可见

Assistant：ChatGPT回复的信息

User：用户发送的信息

结尾

亲爱的读者朋友：感谢您在繁忙中驻足阅读本期内容！您的到来是对我们最大的支持❤️

正如古语所言："当局者迷，旁观者清"。您独到的见解与客观评价，恰似一盏明灯💡，能帮助我们照亮内容盲区，让未来的创作更加贴近您的需求。

若此文给您带来启发或收获，不妨通过以下方式为彼此搭建一座桥梁： ✨ 点击右上角【点赞】图标，让好内容被更多人看见 ✨ 滑动屏幕【收藏】本篇，便于随时查阅回味 ✨ 在评论区留下您的真知灼见，让我们共同碰撞思维的火花

我始终秉持匠心精神，以键盘为犁铧深耕知识沃土💻，用每一次敲击传递专业价值，不断优化内容呈现形式，力求为您打造沉浸式的阅读盛宴📚。

有任何疑问或建议？评论区就是我们的连心桥！您的每一条留言我都将认真研读，并在24小时内回复解答📝。

愿我们携手同行，在知识的雨林中茁壮成长🌳，共享思想绽放的甘甜果实。下期相遇时，期待看到您智慧的评论与闪亮的点赞身影✨！

万分感谢🙏🙏您的点赞👍👍、收藏⭐🌟、评论💬🗯️、关注❤️💚～ 

---

自我介绍：一线互联网大厂资深算法研发（工作6年+），4年以上招聘面试官经验（一二面面试官，面试候选人400+），深谙岗位专业知识、技能雷达图，已累计辅导15+求职者顺利入职大中型互联网公司。熟练掌握大模型、NLP、搜索、推荐、数据挖掘算法和优化，提供面试辅导、专业知识入门到进阶辅导等定制化需求等服务，助力您顺利完成学习和求职之旅（有需要者可私信联系）

友友们，自己的知乎账号为“快乐星球”，定期更新技术文章，敬请关注！