“ 技術(shù)的核心只有兩點，一個是把技術(shù)做好，一個是把技術(shù)用好 ”

在之前的文章中曾經(jīng)說過，預(yù)訓(xùn)練和微調(diào)是為了打造一個更好用的大模型，而提示學(xué)習(xí)是為了更好的使用大模型，激發(fā)大模型的潛能。

而基于提示學(xué)習(xí)發(fā)展起來的提示詞工程，也就是怎么寫一個更好的提示詞；網(wǎng)絡(luò)上已經(jīng)有很多經(jīng)過檢驗的提示詞框架，比如APE，BROKE等。

提示詞工程是一門基于經(jīng)驗的科學(xué)，因此沒有最好的提示詞框架，只有不同任務(wù)下最合適的提示詞框架。

而經(jīng)過研究發(fā)現(xiàn)了提示詞更加高級的玩法——樣本提示和思維鏈。

樣本提示

樣本提示包括Zero-Shot,One-Shot,Few-Shot等多種形式，簡單來說就是在提示詞中加入一些例子。

比如 

“whatpu” 是一種生長在坦桑尼亞的小型毛茸茸的動物。使用 whatpu 這個詞的一個例子是：
我們在非洲旅行，看到了這些非常可愛的 whatpu。  --舉例
“farduddle” 的意思是快速跳躍。使用 farduddle 這個詞的一個例子是：

這就是一個少樣本提示的例子，上部分是例子，淺綠色部分就是大模型的回答。

根據(jù)不同的大模型和任務(wù)類型，可以適當(dāng)?shù)慕o出一個到多個例子，而我們平常直接問大模型的問題屬于零樣本提示，也就是不給出案例，直接讓大模型回答。

因此樣本提示就類似于我們?nèi)祟惼匠Ｓ懻搯栴}，可能對方對你的問題不是很了解，這時我們下意識的反應(yīng)就是，我給你舉個例子。

這就是樣本提示的作用，在使用樣本提示的過程中，可以適當(dāng)?shù)脑黾佣鄠€樣本，F(xiàn)ew-Shot中的few就是大于等于1的意思。

以下就是一個給出三個例子的少樣本提示：

思維鏈

思維鏈?zhǔn)菫榱私鉀Q復(fù)雜問題而推出的一種方式，就是在提示詞中加入思考過程。

舉例如下：

這個是沒用思維鏈的方式

問：小明有三個蘋果，他的媽媽又給他買了兩個蘋果，小明吃掉了一個，小明還剩幾個蘋果？

答：4個

這個是使用思維鏈的方式

問：小明有三個蘋果，他的媽媽又給他買了兩個蘋果，小明吃掉了一個，還剩幾個蘋果？

答：小明起初有三個蘋果，他的媽媽又買了兩個，之后又吃掉一個，因此3 + 2 - 1 = 4，所以小明有四個蘋果。

問：小麗有三個網(wǎng)球，她又購買了兩罐網(wǎng)球，每罐三個，這時小麗有幾個網(wǎng)球？

在某些大模型中，如果不使用思維鏈的方式，關(guān)于小麗的問題，可能就會回答錯誤，而使用了思維鏈可以提升大模型回答的準(zhǔn)確率，當(dāng)然也不能完全避免回答錯誤的情況。

這里只是舉個簡單的例子，如果我們在執(zhí)行更加復(fù)雜的任務(wù)時，使用思維鏈可以大大提升大模型的輸出質(zhì)量。特別是在Agent中，Agent利用思維鏈來優(yōu)化大模型的推理規(guī)劃能力和過程，這樣就可以讓Agent完成更加復(fù)雜的任務(wù)。

樣本提示與思維鏈結(jié)合

樣本提示和思維鏈?zhǔn)莾煞N不同的優(yōu)化大模型表現(xiàn)能力的方式，一個是給出案例，一個是逐步拆解，但它們的最終目的都是為了更好的使用大模型。

因此，在實際的應(yīng)用過程中處理復(fù)雜任務(wù)時，一般會把樣本提示與思維鏈兩者相結(jié)合，即給出案例，又給出思考過程。

如下圖所示：

在一些問答系統(tǒng)中，使用樣本提示+思維鏈的方式能夠更好的回答問題，以及做一些復(fù)雜任務(wù)的拆解。

而如果把樣本提示+思維鏈的方式，再使用大模型的function call的方式來實現(xiàn)Agent，就可以讓大模型完成一些更加復(fù)雜的任務(wù)，比如使用思維鏈做完規(guī)劃之后，調(diào)用工具來完成每一步的任務(wù)。

通過這樣的方式，就可以把大模型與具體的垂直領(lǐng)域相結(jié)合，創(chuàng)建垂直領(lǐng)域的智能體。

大模型技術(shù)的核心只有兩點，一是怎么把模型做的更好，更強(qiáng)大；二是怎么用好大模型，讓大模型解決具體領(lǐng)域的問題。

思維鏈和樣本學(xué)習(xí)是解決兩種不同問題而提出的技術(shù)，而且可以把兩者結(jié)合起來，使得模型表現(xiàn)的更好。

本文轉(zhuǎn)載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/zeRnkYfhXh7PkgY3bFU6tA??