Prompt基础 | 2-高质量Prompt的原则

简介: Prompt基础 | 2-高质量Prompt的原则

一份优秀的prompt需要满足以下几个原则:

  • 指令具体使用清晰和具体的语言,让ChatGPT容易理解。避免使用用专业术语或模棱两可的语言,或者可能导致混淆或误解的语言。不好的示例:用Python写一行代码好的示例:用Ptyhon实现一个冒泡算法

  • 语言简洁在你的提示中要尽可能的简洁, 这将有助于避免不必要的信息干扰模型理解,确保ChatGPT能够产生一个有针对性的相关反应。

  • 易于理解满足人类基本语言语法,标点,使用大家普遍理解的词语。
  • 消除歧义除此之外,还需要注意词语本身、文化差异,以及意象与引申带来的歧义,造成理解的差异。我们在使用过程中,一注意避免。
相关文章
|
7月前
|
人工智能 自然语言处理 搜索推荐
揭秘ChatGPT的Prompt方法:原理与应用总结
揭秘ChatGPT的Prompt方法:原理与应用总结
|
7月前
|
JSON 人工智能 自然语言处理
Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)--结构化Prompt
Prompt进阶系列4:LangGPT(构建高性能Prompt实践指南)--结构化Prompt
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
🔍 Prompt、RAG、Fine-tuning三者各自的优势是什么?
【10月更文挑战第15天】在人工智能模型的开发中,Prompt、RAG(检索增强生成)和Fine-tuning是三种常见的优化技术。Prompt通过少量示例引导模型生成特定输出,简单灵活;RAG结合检索和生成,适合需要大量外部知识的场景,提高答案准确性和可解释性;Fine-tuning通过特定任务或数据集训练模型,提升特定场景下的表现,适用于有大量数据和计算资源的场景。开发者需根据具体需求选择最合适的优化策略。
74 4
|
3月前
|
自然语言处理 Python
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
Diao等人(2023)提出了一种名为Active-Prompt的新方法,通过自适应提示来优化大型语言模型(LLMs)在特定任务中的表现。此方法通过不确定性评估选择需标注的问题,利用少量人工标注的思维链(CoT)示例逐步优化模型,提高其解决问题的能力。相比固定范例,Active-Prompt能够更有效地针对不同任务调整提示,从而提升模型性能。
102 7
【Prompt Engineering提示:Active-Prompt、方向性刺激提示、PAL(程序辅助语言模型)】
|
2月前
|
自然语言处理
从原理上总结chatGPT的Prompt的方法
从原理上总结chatGPT的Prompt的方法
35 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
ChatGPT prompt概述
ChatGPT prompt概述
|
3月前
|
搜索推荐 UED
【Prompt Engineering:自我一致性、生成知识提示、链式提示】
自我一致性是提示工程技术之一,旨在改进链式思维提示中的解码方法。通过少样本CoT采样多个推理路径并选择最一致的答案,有助于提升涉及算术和常识推理任务的性能。例如,在解决年龄相关问题时,通过多次采样并挑选多数答案来提高准确性。此外,生成知识提示技术可预先生成相关信息辅助模型做出更准确预测,进一步优化模型表现。链式提示则通过将复杂任务分解为多个子任务来逐步处理,从而提高模型的透明度和可靠性,便于定位和改进问题。
107 0
【Prompt Engineering:自我一致性、生成知识提示、链式提示】
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
prompt 原理
【8月更文挑战第5】
84 4
|
5月前
|
人工智能 搜索推荐
Prompt工程问题之prompt中要求详细的输出内容如何解决
Prompt工程问题之prompt中要求详细的输出内容如何解决
48 4
|
5月前
|
人工智能
Prompt工程问题之通过prompt使AI输出的语言风格多变如何解决
Prompt工程问题之通过prompt使AI输出的语言风格多变如何解决
63 4