HMT 
293 字
1 分钟
LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS
Tags: LLM
Authors: Andrei Ioan Muresanu, Harris Chan, Jimmy Ba, Keiran Paster, Silviu Pitis, Yongchao Zhou, Ziwen Han
Created Date: October 31, 2023 10:53 AM
Status: Reading
organization: University of Toronto, University of Waterloo, Vector Institute
publisher : ICLR
year: 2023
code: automatic_prompt_engineer
paper: https://sites.google.com/view/automatic-prompt-engineer
介绍
在大模型时代，提示的作用非常巨大，一个好的提示可以在任务中表现出极好的性能。但通常来说最有效的提示是由人手工制作的，需要耗费大量的人工开销。因此本文就尝试让大语言模型自动生提示本并优化提示。
整体框架
整体流程如下：
- 利用大语言模型，根据数据集中的输入和输出，构造多个提示。
- 对每个提示进行打分。
- 筛选性能较好的提示，让大语言模型根据筛选结果生成相近的提示
- 选择最优的提示。
不同生成模板
为了适应不同的需求，作者还设计了三种不同的模板
迭代生成
为了更好地搜索优质提示，作者根据当前得分较好的提示进行重新生成。
实验结果
Greedy表示只生成一个提示，不进行筛选。
原文链接：CSDN
LARGE LANGUAGE MODELS ARE HUMAN-LEVEL PROMPT ENGINEERS
https://blog.homura.work/posts/csdn/135064290/