大模型提示词进阶，零样本提示, 一次样本提示和少样本提示以及思维链(Chain of Thought, Cot)

最新推荐文章于 2024-10-07 06:31:57 发布

朝阳区靓仔_James

最新推荐文章于 2024-10-07 06:31:57 发布

阅读量571

点赞数 28

文章标签：人工智能 prompt 搜索引擎 macos 自然语言处理

本文链接：https://blog.csdn.net/weixin_58753619/article/details/141939055

版权

“ 技术的核心只有两点，一个是把技术做好，一个是把技术用好 ”

在之前的文章中曾经说过，预训练和微调是为了打造一个更好用的大模型，而提示学习是为了更好的使用大模型，激发大模型的潜能。

而基于提示学习发展起来的提示词工程，也就是怎么写一个更好的提示词；网络上已经有很多经过检验的提示词框架，比如APE，BROKE等。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

提示词工程是一门基于经验的科学，因此没有最好的提示词框架，只有不同任务下最合适的提示词框架。

而经过研究发现了提示词更加高级的玩法——样本提示和思维链。

样本提示

样本提示包括Zero-Shot,One-Shot,Few-Shot等多种形式，简单来说就是在提示词中加入一些例子。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

比如 ‍

“whatpu” 是一种生长在坦桑尼亚的小型毛茸茸的动物。使用 whatpu 这个词的一个例子是：  
我们在非洲旅行，看到了这些非常可爱的 whatpu。  --举例  
“farduddle” 的意思是快速跳跃。使用 farduddle 这个词的一个例子是：

这就是一个少样本提示的例子，上部分是例子，浅绿色部分就是大模型的回答。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

根据不同的大模型和任务类型，可以适当的给出一个到多个例子，而我们平常直接问大模型的问题属于零样本提示，也就是不给出案例，直接让大模型回答。‍‍‍‍‍‍

因此样本提示就类似于我们人类平常讨论问题，可能对方对你的问题不是很了解，这时我们下意识的反应就是，我给你举个例子。‍‍‍‍‍‍‍‍‍‍‍

这就是样本提示的作用，在使用样本提示的过程中，可以适当的增加多个样本，Few-Shot中的few就是大于等于1的意思。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

以下就是一个给出三个例子的少样本提示：‍‍‍‍‍‍

思维链

思维链是为了解决复杂问题而推出的一种方式，就是在提示词中加入思考过程。

举例如下：‍

这个是没用思维链的方式‍‍‍‍‍‍‍‍‍‍‍‍‍

问：小明有三个苹果，他的妈妈又给他买了两个苹果，小明吃掉了一个，小明还剩几个苹果？

答：4个‍‍‍

这个是使用思维链的方式‍‍‍

问：小明有三个苹果，他的妈妈又给他买了两个苹果，小明吃掉了一个，还剩几个苹果？‍‍‍‍

答：小明起初有三个苹果，他的妈妈又买了两个，之后又吃掉一个，因此3 + 2 - 1 = 4，所以小明有四个苹果。‍‍‍‍‍‍‍‍‍

问：小丽有三个网球，她又购买了两罐网球，每罐三个，这时小丽有几个网球？

在某些大模型中，如果不使用思维链的方式，关于小丽的问题，可能就会回答错误，而使用了思维链可以提升大模型回答的准确率，当然也不能完全避免回答错误的情况。‍‍‍‍‍‍‍

这里只是举个简单的例子，如果我们在执行更加复杂的任务时，使用思维链可以大大提升大模型的输出质量。特别是在Agent中，Agent利用思维链来优化大模型的推理规划能力和过程，这样就可以让Agent完成更加复杂的任务。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

样本提示与思维链结合‍‍

样本提示和思维链是两种不同的优化大模型表现能力的方式，一个是给出案例，一个是逐步拆解，但它们的最终目的都是为了更好的使用大模型。‍‍

因此，在实际的应用过程中处理复杂任务时，一般会把样本提示与思维链两者相结合，即给出案例，又给出思考过程。‍‍‍‍

如下图所示：

‍‍‍‍‍‍

在一些问答系统中，使用样本提示+思维链的方式能够更好的回答问题，以及做一些复杂任务的拆解。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

而如果把样本提示+思维链的方式，再使用大模型的function call的方式来实现Agent，就可以让大模型完成一些更加复杂的任务，比如使用思维链做完规划之后，调用工具来完成每一步的任务。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

通过这样的方式，就可以把大模型与具体的垂直领域相结合，创建垂直领域的智能体。‍‍‍

基于大模型技术构建的人工智能机器人，感兴趣的可以点击查看：‍‍‍‍

大模型技术的核心只有两点，一是怎么把模型做的更好，更强大；二是怎么用好大模型，让大模型解决具体领域的问题。‍‍‍‍

思维链和样本学习是解决两种不同问题而提出的技术，而且可以把两者结合起来，使得模型表现的更好。‍‍‍‍‍‍‍‍‍‍‍‍‍‍

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述