prompts-高级提示技术

高级提示技术 到目前为止，你应该已经意识到改进提示可以提高不同任务的结果质量。这就是提示工程背后的核心思想。 虽然那些例子很有趣，但在深入更高级的概念之前，让我们先系统地讨论一些概念。 主题： 零样本提示技术 少量样本提示技术 链式思维提示技术 零样本CoT 自我一致性 生成知识提示技术 自动提示工程师 零样本提示技术 今天经过大量数据训练并调整为遵循指令的大型语言模型（LLM）能够实现零样本任务执行。我们在上一节中尝试了一些零样本示例。以下是我们使用的一个示例： 提示： 输出： 请注意，在上述提示中我们没有向模型提供任何示例——这就是零样本能力的体现。当零样本不起作用时，建议在提示中提供演示或示例。接下来我们将讨论一种称为少量样本提示的技术。 少量样本提示技术 尽管大型语言模型已经展示了出色的零样本能力，但在使用零样本设置时，它们在处理更复杂任务时仍然存在不足。为了改善这一点，少量样本提示作为一种技术被用来实现上下文学习，其中我们在提示中提供演示以引导模型获得更好的性能。这些演示作为后续示例的条件，我们希望模型能生成响应。 通过一个由Brown等人，2020年提出的例子来展示少量样本...