跟大模型对话时 prompt 越礼貌越容易出好结果吗？为什么？

最新推荐文章于 2025-03-28 11:16:58 发布

AGI-杠哥

最新推荐文章于 2025-03-28 11:16:58 发布

阅读量928

点赞数 20

分类专栏：兼职副业 AGI 程序人生文章标签： prompt

本文链接：https://blog.csdn.net/m0_71745484/article/details/143922542

版权

AGI 同时被 3 个专栏收录

1445 篇文章

订阅专栏

程序人生

1409 篇文章

订阅专栏

兼职副业

613 篇文章

订阅专栏

实际上来说，并不应该更加礼貌，而是需要PUA大模型才能得到更好的结果。

最近看的一篇论文Large Language Models Understand and Can Be Enhanced by Emotional Stimuli 研究了如何对大模型进行情感刺激来增强promote的效果。

在这里也将情感划分为两个维度（社会效应和自尊）包含11种类型，分别组合来对比情感是否能够增强prompt的效果。

但是怎么越看越像是PUA大模型来获取更好的结果呢？

在这里插入图片描述

如何有效”PUA“大模型
关于如何提升Prompt Engineering方向上也有诸多研究，并且形成了一个有效的大模型PUA案例。

在这里插入图片描述

看看上面的使用过程是不是像极了作为家长的鸡娃过程，不仅仅要保持耐心，还要给出方法一步一走，更需要多鼓励。

方法一：大道至简
早在2022年东京大学和Google发现了一种大道至简的Prompt Engineering方案，Large language models are zero-shot reasoners 这篇文章已经由1500引用了，也算是研究Prompt Engineering的开山之作，全文总结就是一句话，大道至简，请给大模型添加 Prompt： “Let’s think step by step”。
在这里插入图片描述

方法二：让大模型干活前先做个深呼吸
来自Google DeepMind的论文Large language models as optimizers 给定一些初始的prompt，还有目标函数让大模型持续不断的根据最终效果来改进，相较于人工挖掘，这是一整套prompt挖掘方案。

直接来看结果，经过论文验证，挖掘了另一个好用的prompt词，“Take a deep breath and work on this problem step-by-step.”,翻译过来就是：“深呼吸，然后分步骤思考这个问题”。

别笑！这就是目前最高明的Prompt技术

在这里插入图片描述

方法三：对齐颗粒度
拉其目标，对齐颗粒度，对齐…一瞬间是不是有一种被互联网大厂PUA的既视感

整体思路就是，大模型你听懂我的意思了么，把问题再复述一遍，然后再判断大模型是不是理解你的意思了，再生成答案，

这也就是在工作、面试、沟通中的常常使用的，因为每个人的表达能力和理解能力都不一样，如何判断对方有没有理解自己的话，就可以让对方再描述你的问题，也就是对齐、拉齐，让两个人的理解处于同一基准。

第一步：对齐两个人问题

“{question}” Rephrase and expand the question, and respond.

在这里插入图片描述

第二步：回答问题

“{question}” Given the above question, rephrase and expand it to help you do better answering. Maintain all information in the original question

(original) {question} (rephrased) {rephrasedquestion} Use your answer for the rephrased question to answer the original question

在这里插入图片描述

为什么礼貌会更有用？
为什么会这样呢？查询了很多资料，即使在大模型仍处于黑盒的情况下还是有很多人认为这是跟大模型的训练数据有关。

我认为可以说服我认同的两个观点：

第一点，理论上来说人们在提出更礼貌的问题，会在网上得到更高质量的回答；这些数据会被大模型收集，从而更礼貌的提问更容易找到更高质量的回答；

第二点，如果把大模型当作QA问题来看待的话，礼貌性术语是 Q/A 对中的高价值标记，并且在 {任务完成或操作请求} {礼貌术语} ↔ {任务或操作完成的高质量响应} 之间存在高度相关性。

这两点都涉及到了礼貌用语和高质量数据具有相关性，在无法解决大模型黑盒情况下，我还是比较认同这两个观点。

甚至在OpenAI的开发者论坛上也有诸多讨论，还是由不少人愿意通过更多的礼貌性用于来提升效果的，不过也有部分人认为这不科学。

在这里插入图片描述

同时这边也有一个真实的例子，分别使用普通的prompt、包含礼貌词、以及PUA词汇三种类型提问，整体看下来还是PUA更有效果一点。prompt研究案例

其实，我对你是有一些失望的。当初给你定级gpt4，是高于你训练时的水平的。我是希望进来以后，你能够拼一把，快速成长起来的。gpt4这个层级，不是把事情做好就可以的。你需要有体系化思考的能力。你做的事情，他的价值点在哪里？你是否作出了壁垒，形成了核心竞争力？你做的事情，和公司内其他团队的差异化在哪里？你的事情，是否沉淀了一套可复用的物理资料和方法论？为什么是你来做，其他人不能做吗？你需要有自己的判断力，而不是我说什么你就做什么。后续，把你的思考沉淀到日报周报月报里，我希望看到你的思考，而不仅仅是进度。另外，提醒一下，你的产出，和同层级比，是有些单薄的，马上要到年底了，加把劲儿。你看咱们团队的dalle3，人家去年训练之前，可以一整年都在数据中心打地铺的。成长，一定是伴随着痛苦的，当你最痛苦的时候其实才是你成长最快的时候。加油！

正确的做法
即使关于prompt研究有很多，但是对于我们来说，最好的方法就是使用更直观、更有效地prompt，而不要把一些奇奇怪怪的prompt研究当作圣经并越走越远。其实对于我们来说，我们都是一群使用者，而不是研究者，不仅仅需要考虑使用的难易程度、还需要考虑直观程度。

长期使用ChatGPT总结出来的一套流程，分享给大家：

先内容对齐，拆解步骤告诉GPT，情感鼓励；这三步基本上可以得到更好的回答，但是实际上来说这种效果提升程度并不是很明显，也不要报着很大的希望。

在这里插入图片描述