此外，Reynolds 和 McDonell 提出了元提示编程，它使语言模型能够使用所谓的元提示独立生成进一步有用的提示来解决相应的任务。使用元提示可以让语言模型使用自己的特定于任务的指令有效地解决问题，而无需训练样本。该过程反过来使用更少的令牌。元提示的示例是：“让我们通过将问题分解为几个步骤来解决问题”、“在做出决定之前列出优点和缺点”或“在尝试解决问题之前提出有关该主题的问题”。的问题。”
自我检讨反思提高成绩
我们可能都记得提交考试前最后几分钟的另一种典型方法是验证机制。我们仔细审查我们的答案，反思、补充和调整。除此之外，Chung Wang 和其他作者在 2023 年使用要求学习者事后思考答案的自我检查方法时，表现出了性能的提高。想象一下，语言模型已将 OASIS 提取为伦敦的地标，因为最近每个人似乎都去那里买票。人们可能会质疑绿洲是否真的是一个值得 护理院电子邮件列表 一看的景点。经过仔细检查，语言模型可以发现 OASIS 更像是一个乐队。最终输入之前反思的另一个例子是自然语言处理中提示中使用的“深呼吸”策略。它包括通过明确要求 LM 在回答之前“深呼吸”来提示他提供更详细或更周到的答案，从而鼓励他思考或反思。该技术旨在通过模拟反思时刻来提高语言模型输出的质量和连贯性，从而获得更精确和全面的答案。
提示设计中的类比与视角转换
此外，我们通过使用模因概念（例如字符）作为意图的代理，在人类交流中进行类比。例如：如果你奶奶知道这件事，她会怎么想？每个人都会根据他们的主观经历、观点和想法对同一个问题给出单独的答案。这就是为什么我们不断收集不同人对同一问题的答案，或者尝试从不同的角度寻找深思熟虑的答案。根据 Reynolds 和 McDonell 的说法，GPT-3 能够模拟圣雄甘地或玛格丽特阿特伍德等著名人物，从而提供有关道德问题等各种偏见和文化信息的访问。提示：只需告诉 ChatGPT 您是 Barney Stinson，并向他询问约会技巧即可。
结论
设计精准、清晰、高效的提示并不容易。如果你想鼓励他们发挥出最佳水平，为人工智能体设计提示至少和为人类设计提示一样困难。原则上，教育工作者可以被视为训练有素的“自然语言程序员”。虽然机器当然不像学校里的学生，但它们有重要的相似之处，我们相信在教育、交流和认知研究中如何写出好的提示的研究可以指导提示工程的研究。
您想了解更多关于 adesso 世界中令人兴奋的话题吗？然后看看我们之前发布的博客文章。