指令(Prompt)可以帮助大模型更好地理解用户意图,并输出更准确、有意义的文本内容。
技巧
ChatGPT给出的技巧:
-
清晰的指令:在与ChatGPT对话之前,先给出一个清晰明确的指令,以帮助模型理解你的意图。例如,你可以说 "告诉我有关人工智能的最新进展" 而不仅仅是 "人工智能"。这样可以更好地引导对话的方向。
-
限制回答长度:ChatGPT生成的回答可能会非常长,为了得到更简洁的回复,可以在指令中提及期望的回答长度,如 "给我一个简短的答案" 或 "请用一两句话回答"。
-
提供上下文:在对话中提供足够的上下文信息,特别是当你与模型进行多轮对话时。重复之前的问题或回答,以帮助模型理解对话的背景,并给出更相关和连贯的回复。
-
追问细节:如果ChatGPT的回答不够详细或不满足你的需求,可以通过追问一些细节来获得更具体的回复。这样可以引导模型提供更具体和详细的信息。
-
检查结果的准确性:尽管ChatGPT可以提供有用的信息,但它也可能生成不准确或不完全正确的答案。如果结果对你很重要,最好对模型生成的回答进行验证,以确保其准确性。
-
实验和迭代:ChatGPT的回答是基于其训练数据的模式和统计规律生成的,并不总是完美的。通过尝试不同的指令、提供更多上下文、调整回答风格等方式,不断实验和迭代,可以逐步提高交互的质量。
科大讯飞给出的技巧:
-
背景(原因和目的) + 具体需求(标准和目标) + 输出要求(风格和格式)。
-
设定的角色 + 具体需求 + 输出需求。
-
设定的角色 + 背景信息和上下文 + 指令 + 风格和方式 + 答案的数量。
要点:
-
要尽量使用简单、直接的文字来提问,避免使用模糊或者过于复杂的词汇
-
不要把所有问题都放到一个问题里
-
在文本过长或有多段文字时,可以用“”、【】等符号将指令和文本分开
迭代式提示开发:
Prompt guidelines:Be clear and specific,Analyze why result does not give desired output,Refine the idea and the prompt,Repeat
Principle 1 - Write clear and specific instructions
Tactic 1:Use delimiters:使用分隔符后,LLM生成的回答更加简洁,有条理。
Tactic 2:Ask for structured output:JSON的输出结果。
Check whether conditions are satisfied:前置条件,后置条件。
Few-shot prompting:在要求模型执行任务之前,提供成功执行任务的示例。
Principle 2 - Give the model time to think
Tactic 1:Specify the steps to complete a task
Tactic 2:instruct the model to work out its own solution before rushing to a conclusion,预处理
Principle 3 - Add more constraints
给ChatGPT提需求,提全面一点,具体一点,变量名,函数名,都可以写清楚了。最好让ChatGPT先提供思路,然后每个思路让他提供Demo。
原理
ChatGPT的原理是基机器学习的语言模型,模型通过学习文本序列的统计规律,尝试预测下一个词的概率分布,并生成最有可能的词或短语。它接收文本作为输入,并根据先前的对话历史生成下一个可能的回答。ChatGPT是基于GPT(Generative Pre-trained Transformer)的对话模型。它使用Transformer架构进行训练,该架构具有自注意力机制,用于理解和生成文本,他的原理是通过句子分词的向量相乘,找出权重最大的可能。通过大规模的无监督学习,模型在海量的互联网文本数据上进行了预训练。模型通过迭代的方式进行训练,利用大量的数据来优化模型的参数。在预训练阶段,模型学习了语言的通用特征,而在微调阶段,模型通过特定任务的有监督学习来调整参数,以适应特定的对话生成任务。