【AI 大模型】提示工程 ② ( 语言选择 - 英文更准确 | 自洽性 | 思维树 | 提示词正常输出 -＞ 思维链 -＞ 自洽性 -＞ 思维树 进化过程 | 提示词使用技巧 )

一、语言选择 - 英文更准确

使用 GPT 模型如果 不能得到满意的 输出结果 , 可以 尝试更换语言 , 或者 中英文混用 , 大模型知道你说的是什么 ;

不同的模型 , 针对不同的语言 , 准确率是不同的 :

• ChatGPT 是针对英文训练的大模型 , 使用英文的准确性比中文要高 ;
• 文心一言 是针对中文训练的大模型 , 使用中文的准确率比英文高 ;

另外 不同的领域的问题 , 使用不同的语言 , 也有不同的准确率 ;

• 偏西方领域的话题 , 使用英文准确率更高 ;
• 偏东方领域的话题 , 使用中文准确率更高 ;

二、自洽性

使用 相同的提示词 , 使用以下两种方式 , 每次生成不同的文本结果 ;

• 通过多次 输入提示词 来实现 ;
• 使用批量生成功能 , 一次性生成多个结果 ;

将生成的 多个 输出结果 呈现给 用户 , 设计一个 投票工具 , 让用户或评估者对每个生成的文本结果进行评分或投票 , 或者让 大模型 自己投票 选择最好的一个 ;

三、思维树

在 思维链 的基础上 , 在特定的结点上 , 加入不同的分支 , 这样就得到了一颗 " 思维树 " ;

" 思维链 " 参考 【AI 大模型】提示工程 ① ( 通用人工智能 和 专用人工智能 | 掌握 提示工程 的优势 | 提示工程目的 | 提示词组成、迭代、调优及示例 | 思维链 | 启用思维链的指令 | 思维链原理 ) 博客 ;

构建 " 思维树 " 的过程 :

• 首先 , 选择 需要探索的主题 ;
• 然后 , 将 主题 拆解成几个 核心问题 , 每推理一步 , 在下一步产生多个推理问题 ;
• 最后 , 对于 每个核心问题 , 进一步扩展相关的 具体问题 ;

设计一个搜索算法 , 判断 " 思维树 " 中 , 每个分支的完成度 , 和 每个叶子结点 的正确性 ;

思维树 与 自洽性 的区别是 :

• 自洽性 , 是 使用相同的提示词 , 得到不同的输出结果 ;
• 思维树 , 是 在每个分支使用不同的提示词进行微调 , 得到不同的输出结果 ;

四、提示词正常输出 -> 思维链 -> 自洽性 -> 思维树 进化过程

输入 提示词 , 输出 结果 , 这是 普通的 GPT 模型提示词及使用 , 可解决大部分日常问题 ;

输入 提示词 , 同时追加 " analyze the task step by step " , 输出结果中会给出一步一步的逻辑推理过程 , 这是 提示词 思维链 的用法 ;

使用 相同的提示词 , 输出多个结果 , 然后在多个结果中进行投票 , 获得最佳结果 , 这是 提示词 自洽性 用法 ;

思维树 是在每个推理过程中 , 后续推理过程进行干预分支 , 得到不同的推理分支 ;

五、提示词使用技巧

提示词使用技巧 :

• 写代码的时候 , 遇到问题 , 先尝试 使用提示词 , 问下 GPT 大模型 , 在编程领域有很好的效果 ;
• 让 GPT 生成指定的内容 , 先设置一个角色 , 如 : 我是一名程序员 / 医生 / 律师 , 然后 再输入 相关提示词问题 ;
• 复杂的问题 , 可以 先举例说明 , 将例子放在提示词中 ;
• 针对逻辑问题 和 计算问题 , 可以 启用思维链 , 将每一步的推理逻辑都展示出来 ;
• 如果中文不能得到满意的结果 , 可以 尝试使用英文 , ChatGPT 大模型是这样的 ;