大模型之提示词工程原理：提示学习(prompt learning)

一、提示词工程

‍
在我们学习大模型技术的时候，很多文章和视频教程都告诉我们要写好提示词，好的提示词能直接影响到大模型的输出质量。‍‍‍‍‍‍

但从来没有人告诉你，为什么不同的提示词会得到完全不同的结果，换句话说为什么会有提示词的出现？‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

技术的出现是有一个先后顺序的，先有的提示词，再有的提示词工程；提示词工程是为提示词服务的，目的就是怎么写出一个更好的提示词。

简单来说就是，大家把写提示词的经验总结成一种方法，这个方法就叫做提示词工程。‍‍‍‍‍‍‍‍

OK了解了提示词和提示词工程之间的关系，那么就来回答上面那个问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍

二、为什么会有提示词？

提示词的产生是有历史原因的，虽然这个历史很短。

我们知道人工智能的发展经历了多个阶段，虽然近些年机器学习大行其道，但并没有产生特别大的影响，直到openAI基于Transformer架构开发出了GPT系列，特别是GPT-3版本发布，以及谷歌发布的BERT模型。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

在GPT和BERT模型开发前期，由于参数量小，模型体量也小，直接的结果就是当时的模型训练成本比较低；因此，那时开发大模型主要以预训练和微调为主。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

这时研究深度学习模型的方法也被称为——预训练-微调范式。‍‍‍‍‍‍

但直到GPT-3的出现，模型的参数出现爆炸式增长，直接从刚开始的上亿参数量增长到上千亿参数量；这时大模型这个词出现了，大模型代表的不只是模型规模大，参数量多；也代表着模型的训练和微调成本直线上升。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

比如说，GPT-3模型训练成本好像达到了上千万美元；因此，从成本的角度训练和微调模型不再是一个好的选择。

这时，大家就开始考虑一个问题，上千亿参数的模型已经具有了非常丰富的知识量，那么怎么更好的更有效率的利用好这些知识呢？‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

我们知道，在预训练和微调学习范式中，需要通过训练数据不断调整模型的参数来让模型达到最优解。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而经过一段时间的研究和实验，这时就有人发现了一种在不需要调整大模型参数的情况下，用少量样本或零样本的方式，就可以让大模型输出更好的结果。‍‍‍‍‍‍‍

基于这种结果，人们又经过其它研究发现，对同一个问题使用不同的提示词会输出不同的结果。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

简单来说就是，提示词写的越好，模型的输出效果越好，因此就把这种现象命名为提示学习。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而为什么会产生这种现象，这个就像大模型的涌现能力一样，它是一种现象，但不知道产生的原因。‍‍

所以总结来说，提示学习是一种基于实验发现的一种现象，它能够在不改变模型参数的前提下，让模型拥有更高的输出质量。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

因此，基于提示学习这个理论就产生了提示词，而怎么把提示词写的更好就有了提示词工程。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

三、不同提示词产生不同效果的原因

网上也有这种说法，在预训练-微调阶段是让大模型去适配不同的任务；比如，电商类大模型需要用电商数据进行训练或微调，工业类大模型需要使用工业数据进行训练或微调。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而提示学习阶段，却是让任务去适配大模型；就类似于男女之间的感情，在之前大都是男追女，男人需要给女人买礼物，请客吃饭等等，需要花费大量的金钱；而最近两年男人突然明白过来了，我不追了，花钱把自己收拾干净，买房买车让女人倒追。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

下面我们用一个例子来说明为什么提示词不同，效果也不同，拿一个情感分类任务来说：‍‍‍‍

问题 Q = “这个电影不错”‍
加上提示词模板P_Q = “这个电影不错，我很喜欢，因此这是一个X电影”。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

这里的X就是大模型需要预测的结果，而如果再把这个X加一个限定范围，比如A：无趣的，B：好玩的；这时大模型就可以轻易的判断出这是一个好玩的电影。‍‍‍‍‍‍‍‍‍

而不加提示词模板，模型给出的答案可能就千奇百怪，比如说这是一个难看的电影，这是一个糟糕透顶的电影，这是一个某某主演的关于某某事情的电影等等，都是有可能的。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而这就是为什么提示词工程中有些人会要求，写提示词要给大模型设定角色，背景，明确任务要求，限定任务范围等要求。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

四、总结

简单来说，不论是预训练-微调，还是提示词都是为了让模型表现的更好，为了发挥大模型庞大知识能力的一种方式，而提示词是一种成本相对较低的方式。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而对使用者来说，使用第三方模型是根据Token进行计费的，而更长的提示词意味着更多的Token，因此怎么写出一个简短又高质量的提示词就是一个需要考虑的问题。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

---

最后分享

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型面试题

面试，不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】

如有侵权，请联系删除。