Prompt Engineering有人曾说,了解一个东西最好的方式就是通过定义。尤其是对于不太好理解的内容。这里,Prompt Engineering从字面意思上,是“提示工程”的意思。那么,什么是提示工程?结合CLIP,提示工程就是指对模板的寻优过程。因为CLIP的prompt模板是手工设计的,默认是“a photo of a [CLASSNAME]”。但是,这个模板不一定就是最好的,还可能有更好的模板。因此,我们需要不停的尝试其他各种文本,这个过程就是Prompt Engineering。通俗理解就是:模板的人脑学习过程。
Prompt Ensembling同样的,从字面意思上,Prompt Ensembling是“提示合奏”“提示,总体效果”。可以意会到,就是不止一种prompt合在一起做事情。Prompt Ensembling,即提示聚合、提示融合。实际上,Prompt Ensembling就是一种分别使用多个提示模板进行推理,来增强模型的性能的技术。具体做法是,向模型中分别放入不同的提示模板(这些模板还是手工设计的),然后分别做推理,得到结果,接下来选取合适的规则将多个结果进行融合,比如可以使用全局平均、加权平均,或者投票,蒸馏等方式。
二者区别通过定义可以看出,提示工程(prompt engineering)的本质是针对任务选取最恰当、能够使模型性能最好的模板,是模板不断寻优迭代的过程。而提示聚合(prompt ensebling)是预先指定好若干个模板,然后分别得到结果,再对结果进行融合。