新的DeepMind工作揭示了语言模型的至高提示种子

深度学习程序DeepMind揭示了语言模型的重要提示种子

如何计算优化的提示使语言模型表现优秀,以及这如何影响提示工程

由Ali Shah Lakhani在Unsplash上的照片

随着人工智能(AI)的稳步发展,月复一月地完成越来越困难的任务,人们对我们的劳动力未来产生了一种普遍关切。如果AI继续自动化许多当前由人类执行的任务,明天的职业将会是什么样子?这种观点在空气中蔓延,“程序这些系统将是多年的人类工作”,或者“我们将始终需要人类维护和重新训练AI模型”,或者“编写驱动AI模型正确运行的高效提示是一种人类技能”。此后,本文的重点,促使了“提示工程”作为一种“职业”的产生。当然,要写出高效的提示,并使AI模型按照预期的方式进行,或者使其“思考”到足够好以改进其特别是在问题上回答的能力,这其中确实存在一定的掌握技巧。只需看一个例子:

使用大型语言模型来制作高效提示

经过2年多的经验总结,以及来自AI开发人员自己的教程、实操和示例。

towardsdatascience.com

然而,很可能这些人为干预没有一个会一直保持相关性。特别是对于提示工程,看起来这些技能很快就不再重要。继续阅读以了解原因,并在此过程中了解DeepMind最近的预印本中报道的非常有趣的发现,您可以立即在使用大型语言模型(LLMs)时从中获益,正如我在ChatGPT的免费版本上给出的实际示例。

提示优化

在深入研究之前,我们需要了解“提示”这个概念。提示是传递给AI模型的指令,告诉它们我们希望它们做什么。AI模型响应用户生成的文本输入或提示以生成其输出 -文本、图形、音频等。输入提示的质量和具体性显著影响模型生成的内容和质量…