📚 方法篇章 ​

内容梗概 ​

本章节分为九大板块，分别是设计准则、框架、基本提示、高级提示、自动化提示、思维链、上下文学习、知识增强提示以及评估和可靠性。其中，设计准则主要介绍了通过遵循设计原则，读者可以提高大语言模型的回答质量和准确性，并提高整个用户体验；对于基本提示部分，通过几项案例与场景快速培养写作Prompt习惯与技巧；对于高级提示板块，是采用相关前沿技术设计Prompt，考虑到诸多因素而构建起来的高级繁杂的Prompt设计；对于自动化提示部分，采用相关的机器学习方式去自动化的设计Prompt，尽量少用人工方式设计对应的Prompt；对于思维链部分，用几篇论文介绍思维链在大模型中的使用技巧与应用场景；对于上下文学习的章节部分，同样采用相关论文进行介绍；对于知识增强提示部分，配合对应论文讲述这个栏目；对于评估和可靠性部分，基于对应的前沿论文进行配合讲解。

设计原则 ​

本栏目提出几项Prompt的设计原则，Prompt是指在自然语言处理中，提供给模型输入文本，指导模型生成合适的回答。Prompt的设计原则有很多，其中一些包括：

• Prompt简单原则：清楚地陈述。
• Prompt多样性原则：使用多种不同的Prompt。
• Prompt长度原则：尽量使用短的Prompt。
• Prompt结构原则：使用简单的句子结构。

基于上述原则我们浓缩了更为直观的设计原则，不加以分门别类的区分。

框架 ​

该部分提出了一个由五个关键部分组成的提示设计框架：上下文、指令、相关性、约束和示例。这种标准化的结构可以帮助简化提示设计，确保遵循一致的程序，从而产生更有效的提示。

基本Prompt ​

基础提示的设计便于读者快速写好某种写作习惯的提示设计。

高级 Prompt ​

• 高级提示分为如下的部分：
• 批量Prompt
• 连续 Prompt
• PAL
• ReAct
• Self-Ask
• 忠实于上下文的提示
• REFINER
• 反思
• Progressive-Hint Prompt
• 自我提问
• 循环GPT

自动化 Prompt ​

该栏目聚焦于使用先进的机器学习等技术为语言模型LM/LLM生成提示。它训练模型生成高质量的、上下文相关的准确提示，引导LM/LLM产生更连贯、更精确、更富有语义和上下文相关的结果。在这个栏目将通过部分论文工作展开对该栏目板块的介绍。

思维链 ​

该板块主要从以下三个方面介绍思维链：

1）什么是思维链提示?

2）CoT提示有哪些表现形式?

3）如何设计创新的CoT提示?

上下文学习 ​

该板块主要从以下四个方面介绍上下文学习： 1）什么是上下文学习(ICL)?

2）上下文学习有那些特征？

3）上下文学习有哪些长处?

4）上下文学习的研究包括哪些部分?

知识增强 Prompt ​

评估和可靠性 ​

该栏目从几篇论文入手介绍最新前沿关于大模型的评估可靠性方法。