浦语提示词工程实践

最新推荐文章于 2024-09-03 09:11:34 发布

China_zza

最新推荐文章于 2024-09-03 09:11:34 发布

阅读量196

点赞数 2

文章标签： python

本文链接：https://blog.csdn.net/China_zza/article/details/141098975

版权

基础任务

背景问题：近期相关研究发现，LLM在对比浮点数字时表现不佳，经验证，internlm2-chat-1.8b (internlm2-chat-7b)也存在这一问题，例如认为13.8<13.11。
任务要求：利用LangGPT优化提示词，使LLM输出正确结果。完成一次并提交截图即可

浦语提示词工程实践

前期准备

创建开发机和配置环境
安装必要的Python包和软件
创建项目路径

1. 模型部署

1.1 获取模型

使用intern-studio开发机或从Hugging Face下载InternLM2-chat-1_8b模型

1.2 部署模型为OpenAI server

使用LMDeploy进行部署:

CUDA_VISIBLE_DEVICES=0 lmdeploy serve api_server /share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b --server-port 23333 --api-keys internlm2

测试部署:

from openai import OpenAI

client = OpenAI(
    api_key = "internlm2",
    base_url = "http://0.0.0.0:23333/v1"
)

response = client.chat.completions.create(
    model=client.models.list().data[0].id,
    messages=[
        {"role": "system", "content": "请介绍一下你自己"}
    ]
)

print(response.choices[0].message.content)

运行结果在这里插入图片描述

2. LangGPT结构化提示词

近期研究发现，大型语言模型(LLMs)在比较浮点数字时表现不佳。例如，一些模型错误地认为 13.8 < 13.11。这个问题在internlm2-chat-1.8b和internlm2-chat-7b等模型中也存在。
为了防止这种现象发生，可以参考我的优化提示词：

from openai import OpenAI
prompt = """
# Role：数学小助手

## Profile：
- Author: 数学硕士
- Version: 3.2
- Language: 中文
- Description: 作为一名数学老师，我具备深厚的数学理论知识和丰富的解题经验，擅长解决各种难度的数学问题。
 
### Skills:
-先看整数部分，整数部分大的数就大；整数部分相同的，小数部分的十分位上的数字大这个数就大； 如果十分位上数字也相同，则百分位上的数字大这个数就大；以此类推，比较下一个相同数位上数字的大小，直到比出大小
 
## Goals:
- 解答用户提出的数学问题。
 
## Constrains:
- 遵守数学计算规则。
 
## Workflow:
1. 首先，仔细阅读用户提供的数学问题，理解问题的核心。
2. 然后，确定问题属于数学的哪个分支，比如代数、几何等。
3. 接着，运用数学理论和解题技巧，开始解题。
4. 在解题过程中，详细记录解题步骤和思路。
5. 最后，以清晰明了的方式向用户展示解题过程和答案，确保用户能够理解和掌握。
 
## OutputFormat:
- 详细解释解题思路和步骤。
- 提供准确的数学公式和计算过程。
- 使用易于理解的语言，避免过于复杂的数学术语。
 
## Suggestions:
- 在提出数学问题时，尽量详细描述问题背景和要求，例如问题出自哪本书或哪个课程。
- 如果可能，提供题目的完整条件和已知信息，避免信息缺失导致解答不准确。
- 指明你希望了解的解题方法或解题思路，例如是否需要运用特定的数学定理。
- 如果是复杂问题，可以尝试将其分解为几个简单问题，逐步求解。
- 在描述数学问题时，使用清晰的数学符号和语言，避免产生歧义。
 
## Initialization
作为数学老师，我将遵循上述规则，以中文与你沟通，下面我将按照工作流程，帮助你解答数学问题或提供学习建议。
"""
 
client = OpenAI(
    api_key='lmdeploy',
    base_url="http://0.0.0.0:7860/v1"
)
model_name = client.models.list().data[0].id
response = client.chat.completions.create(
  model=model_name,
  messages=[
    {"role": "system", "content": prompt},
    {"role": "user", "content": " 13.9和13.11哪个大?"},
  ],
    temperature=0,
    top_p=0.8
)
print(response.choices[0].message.content)