Prompt基础 | 1-什么是Prompt Engineering

简介: Prompt基础 | 1-什么是Prompt Engineering

Prompt Engineering是随着人工智能兴起的一门工程知识,主要应用于自然语言处理和文本生成领域。是指通过优化的输入文本,来提高模型的输出质量。

在简体中文互联网,现在貌似还没有一个统一的叫法,有的叫『提示工程』,有的叫『Prompt工程』,还有叫『提示语工程』。在本专栏中,统称为『Prompt工程』,把Prompt作为专有名词不作翻译,保证与英文资料一致。

在ChatGPT的学习中,Prompt工程是一个非常重要的模块。好的Prompt,能够最大程度挖掘大语言模式的优势。本小节,我们来了解一下什么是Prompt工程,以及为什么要学习Prompt工程。

Prompt工程是什么

Prompt 工程是创建Prompt、对ChatGPT 这样的语言模型提问,或指导输出的过程。 它允许用户控制模型的输出,生成符合其特定需求的文本。主要应用于自然语言处理和文本生成领域。是指通过优化的输入文本,来提高模型的答案输出质量。

为什么要学习Prompt工程

正如我们前面提到的,ChatGPT对话中使用的Prompt的质量,可以大大影响对话的成功。定义明确的Prompt可以帮助确保对话保持在正轨上,并涵盖用户感兴趣的话题,从而带来更有吸引力和信息量的体验。其中一些关键的好处还包括。

  • 加强理解:通过使用清晰和具体的语言,你可以帮了解手头的话题或任务,并能够产生合适的反馈。这可以引导产生更准确和更相关的反应,这可以使对话更有吸引力和信息量。
  • 加强重点:通过为对话确定一个明确的目的和重点, 并使其保持在正轨上。这可以帮助确保对话涵盖用户感兴趣的话题,并避免切入不相关话题,或分散注意力。
  • 更高的效率:使用简洁明了的Prompt,也可以帮助提高对话的效率,通过专注于特定的话题并避免不必要的切入,你可以确保对话保持在正轨上,并以更及时的方式涵盖所有的关键点。

总的来说,制作清晰简洁的Prompt,可以帮助确保你的ChatGPT对话具有吸引力、信息量大、效率高。在下面的章节中,我们将探讨制作有效Prompt的具体技巧,以利用这些好处。

相关文章
|
7月前
|
机器学习/深度学习 数据挖掘
【提示学习】HPT: Hierarchy-aware Prompt Tuning for Hierarchical Text Classification
本文是较早把Prompt应用到层级多标签文本分类领域的论文。思路是把层级标签分层编入到Pattern中,然后修改损失函数以适应多标签的分类任务。
|
3天前
|
人工智能 搜索推荐 API
一个查看 ChatGPT 自身使用内置 Prompt 的小技巧
一个查看 ChatGPT 自身使用内置 Prompt 的小技巧
16 0
|
4天前
|
机器学习/深度学习 自然语言处理 TensorFlow
[Character Embedding]论文实现:Text Understanding from Scratch
[Character Embedding]论文实现:Text Understanding from Scratch
11 2
|
4天前
|
人工智能 自然语言处理
到底什么是Prompt?
到底什么是Prompt?
|
9月前
|
算法
prompt
prompt
119 1
|
6月前
|
自然语言处理
|
7月前
|
自然语言处理 数据挖掘 知识图谱
【提示学习】Knowledgeable Prompt-tuning: Incorporating Knowledge into Prompt Verbalizer for Text Classific
目前流行的第四大范式Prompt的主流思路是PVP,即Pattern-Verbalizer-Pair,主打的就是Pattern(模板)与Verbalizer(标签映射器)。   本文是在Verbalizer(标签映射器)方面做出的创新。   文章思路是数据增强+去噪,不过数据增强在于verbalizer对于label space至expanding word space的映射,引入外部的扩展标签词集,辅助分类,去噪并不新颖,就是在细化两个场景,zeroshot滤掉扩展标签词集的低频词,并上下文校验。fewshot则是引入可学习权值,减小噪声影响。
|
7月前
|
自然语言处理 数据挖掘 数据处理
【提示学习】Exploiting Cloze Questions for Few Shot Text Classification and Natural Language Inference
目前流行的第四大范式Prompt的主流思路是PVP,即Pattern-Verbalizer-Pair,主打的就是Pattern(模板)与Verbalizer(标签映射器)。   本文基于PVP,提出PET与iPET,但是关注点在利用半监督扩充自己的数据集,让最终模型学习很多样本,从而达到好效果。
|
7月前
|
数据挖掘
【提示学习】Prompt Tuning for Multi-Label Text Classification: How to Link Exercises to Knowledge Concept
文章这里使用的是BCEWithLogitsLoss,它适用于多标签分类。即:把[MASK]位置预测到的词表的值进行sigmoid,取指定阈值以上的标签,然后算损失。
|
9月前
|
数据采集 机器学习/深度学习 数据挖掘
提升ChatGPT性能的实用指南:Prompt Engineering的艺术
一起探索 Prompt Engineering 的奥秘,并学习如何用它来让 ChatGPT 发挥出最大的潜力。 什么是提示工程? 提示工程是一门新兴学科,就像是为大语言模型(LLM)设计的"语言游戏"。通过这个"游戏",我们可以更有效地引导 LLM 来处理问题。只有熟悉了这个游戏的规则,我们才能更清楚地认识到 LLM 的能力和局限。 这个"游戏"不仅帮助我们理解 LLM,它也是提升 LLM 能力的途径。有效的提示工程可以提高大语言模型处理复杂问题的能力(比如一些数学推理问题),也可以提高大语言模型的扩展性(比如可以结合专业领域的知识和外部工具,来提升 LLM 的能力)。
259 0
提升ChatGPT性能的实用指南:Prompt Engineering的艺术