提示的艺术代表了与先进语言模型互动中的一项关键技能。设计有效的提示基于精确性和创造力的基本原则。构建良好的提示可以改变生成的响应质量，从而影响所获得结果的相关性。得益于人工智能的最新进展，掌握这一技术对于任何希望优化像Gemini或其他大型语言模型使用的人来说都是必不可少的。五种创新策略应运而生，以细化这种实践，并通过系统和深思熟虑的方法使其对所有人可及。
正确配置三个推理变量是优化大型语言模型结果的重要起点。这些变量控制创造力、精确性和模型的幻觉。最大令牌变量决定生成的最大令牌数。通过根据您的用例调整此值，您可以降低成本并提高响应的相关性，同时避免末尾的冗余文本。例如，对于分类任务，推荐使用小于10的令牌值。
温度影响响应的确定性程度。接近0的温度会产生可预测且可靠的结果。相反，较高的值促进创造力，尽管这增加了幻觉的风险。top-K和top-P参数允许更具体的单词选择，前者限制选择到最可能的单词，而后者则优先选择那些累积概率不超过某个阈值的单词。
使用少量示例提示
少量示例提示作为微调的有效替代方案而出现。这种方法促使模型通过示例理解期望的输出。提供至少一个示例至关重要，但多个示例可确保更深入的理解和更可靠的结果。专家建议提供三个到五个具有代表性的示例。这些示例必须没有错误，因为一个错误可能会影响模型的解释。
例如，将一个比萨订单转换为JSON的提示可以包括多个输出案例，展示预期的结构。一个好的示例是：“我想要一个带奶酪、番茄酱和意大利香肠的小比萨。”后面跟着以JSON格式的响应，从而提供了清晰的参考。
使用回溯提示
回溯提示是一种灵活的方法，用于解决复杂问题。这种方法首先询问模型将采取什么方法处理给定问题。一旦建立了这种初步方法，模型就应该应用该方法来解决问题。这种技术促进了更深入的推理，允许接触基本概念。
通过在解决问题之前明确方法，模型能够利用更广泛的知识基础。对于复杂的数学问题，提示可以首先询问：“将使用什么方法来解决以下问题？”获得的答案随后将照亮最终解决方案的步骤。
通过自我一致性进行重复
自我一致性意味着执行多个提示周期以提高准确性。多次提交相同的提示，同时调整温度以促进响应的多样性，有助于提取一致的响应。这种方法减少了幻觉的风险。
为了对电话记录的内容进行分类，可以对同一提示进行三次提问。然后根据多数投票原则分析每个响应，以最常见的响应作为最可靠的。该静态精炼过程确保更好的准确性。
通过自动提示工程进行测试
自动提示工程是一种创新技术，用于自动创建高效的提示。此方法包括要求模型生成参考提示的各种变体。然后对每个变体进行测试，与人类参考回答的结果进行比较。
结果分析根据标准化指标进行，例如BLEU和ROUGE。通过识别提供与人类参考输出最接近的提示版本，用户获得了一个强大的工具来细化他们的方法。
使用电子表格可以跟踪每个提示的影响并评估其有效性。这种方法有助于理解性能并调整参数，从而确保在优化提示创建方式上的持续学习。
常见问题解答
创建有效提示的三个关键推理变量是什么？
三个基本的推理变量是：最大令牌（控制生成的最大令牌数）、温度（影响响应的确定性）以及top-K/top-P（调节单词选择）。
如何使用少量示例提示来改善我的提示？
少量示例提示是指提供多个预期输出的示例以指导模型。建议提供三个到五个清晰且多样的示例。
回溯提示是什么，它如何使用？
回溯提示是首先询问解决问题的方法，然后进行该问题的解决。这有助于模型对复杂问题进行更深层次的上下文化和思考。
自我一致性如何帮助提高生成响应的准确性？
自我一致性涉及多次提交相同的提示，并使用高温设置生成多样的响应，然后选择最频繁的响应，这可以减少幻觉。
什么是自动提示工程，它是如何工作的？
自动提示工程涉及生成参考提示的多个变体以测试其有效性，然后使用标准化指标评估结果与人类答案的比较。
我如何使用电子表格来改善我的提示？
使用电子表格可以列出提示并评估其有效性。您可以包括提示名称、目的、使用的参数、生成的输出及结果的评估等元素。
