学到了一个魔法 prompt.
学到了一个魔法 prompt. 让 AI 先对问题先进行复述和展开,然后再作出回答,可以得到更好的结果。尤其是和 CoT (Chain-of-Thought) 结合使用。 这种策略被称为 RaR,也就是 Rephrase and Respond. 就像「让我们一步步思考」(Let's think step by step)这样神奇的技巧一样,应用起来非常简单,有两种方法: 1. 在原始 prompt 后面增加一句话,「Rephrase and expand the question, and respond.」见图一; 2. 分两步进行。第一步,仅重述和展开问题,不回答。第二步,提示 AI 基于已重述的问题进行回答,然后用该答案来解答原始问题。Prompt 见图二。 更有意思的是,一个模型的能力越强,这种技巧的有效性也就越高。 另外,用能力强的模型对提示词做复述和展开以后,把这个提示词放到其他能力相对弱一些的模型里使用,效果可能同样有提升。 我之前写过一个提示词,希望模型通过阅读理解、回忆上下文及逻辑分析等方面对我的提示词进行评估,并给出修改建议。我会根据这些建议去优化提示词中的一些关键词。 原来只要提示模型进行复述和展开就行了。 可以用来优化自己常用的提示词,尤其是常用的那些几句话的提示词。或者,当我们觉得自己对某个意图的表述不够明确时,也可以用这种方法寻找灵感。 图四、图五是我使用的例子,我认为重述得非常好。可以看到,基于我的原始提示词的意图,增加了更多的相关上下文和具体的指令要求。这些是明显能提升模型回复效果的基本策略。 我们甚至可以用中文描述意图,让 AI 用英文进行复述和展开,这样我们还可以得到一个优质的英文提示词。 论文:
在Telegram中查看相关推荐

🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人