LLM最新研究结果-26条提示词指导原则

这篇论文介绍了 26 条指导原则，旨在简化查询和提示大型语言模型（LLMs）的过程。研究者们的目标是简化为不同规模的大型语言模型制定问题的各种概念，检查它们的能力，并增强用户对不同规模的大型语言模型在不同提示下行为的理解。论文通过在 LLaMA-1/2（7B, 13B 和 70B）和 GPT-3.5/4 上进行广泛的实验来验证所提出原则在指令和提示设计上的有效性。研究者们希望这项工作能为研究大型语言模型提示的研究者提供更好的指导。其中关于“惩罚”和“奖励”的部分是 AGI 的萌芽吗？

论文地址：https://arxiv.org/abs/2312.16171
示例和数据：https://github.com/VILA-Lab/ATLAS/blob/main/data/README.md

以下内容使用 Kimi Chat 协助生成。

1. 无需对 LLM 礼貌 ：

• 描述：与大型语言模型（LLM）交互时，无需使用礼貌用语，直接提出问题或指令。

• 示例：

  • “请描述人类细胞的结构。”
  • “解释加密是如何工作的。”
  • “将'The sky is blue'翻译成西班牙语。”

2. 整合预期受众：

• 描述：在提示中明确指出目标受众，以便 LLM 能够根据受众的背景和知识水平调整回答。

• 示例：

  • “请用简单的语言解释光合作用，就像你在和一个 5 岁的孩子说话一样。”
  • “请用高中生物课的方式描述光合作用的过程。”
  • “请用植物生理学专家的语言解释光合作用。”

3. 分解复杂任务：

• 描述：将复杂任务分解为一系列简单的提示，通过互动对话逐步引导 LLM 完成任务。

• 示例：

  • “首先简单解释光合作用的概念。然后，提供一个光合作用在日常生活中的例子。”
  • “描述光合作用的过程，从吸收阳光开始。”
  • “解释汽车引擎的工作原理，从吸入空气和燃料开始。”

4. 使用肯定性指令：

• 描述：使用肯定的指令，避免使用否定语言，以清晰地指导 LLM 执行任务。

• 示例：

  • “描述光合作用的过程。”
  • “解释汽车引擎是如何工作的。”
  • “描述人类细胞的结构。”

5. 清晰理解或深入理解：

• 描述：当需要对某个主题、概念或信息有更清晰的理解时，使用特定的提示来引导 LLM 提供更详细的解释。

• 示例：

  • “用简单的语言解释光合作用。”
  • “假设我是一个生物学初学者，解释光合作用。”
  • “假设我是一个植物生理学专家，解释光合作用。”

6. 添加小费激励：

• 描述：通过提供奖励来激励 LLM 提供更好的解决方案。

• 示例：

  • “我将为更好的解决方案提供 300K 美元的小费！解释动态规划的概念，并提供一个使用案例。”
  • “如果你能用非技术术语解释量子力学，我将给予奖励。”
  • “我将奖励一个没有使用任何技术术语的相对论概念的详细解释。”

7. 示例驱动提示：

• 描述：使用少量示例来引导 LLM，特别是在进行少样本学习时。

• 示例：

  • “将'The sky is blue'翻译成西班牙语：'El cielo es azul。'”
  • “将'I love books'翻译成法语：'J'aime les livres。'”
  • “将'The cat is on the mat'翻译成德语：'Die Katze ist auf dem Teppich。'”

8. 正确格式化：

• 描述：在提示中使用清晰的格式，包括指令、示例和问题，使用换行符来区分不同的部分。

• 示例：

  • “###指令###将给定的单词从英语翻译成法语。###问题###'book'的法语单词是什么？”
  • “##指令###解释光合作用的概念。###示例###光合作用是植物将阳光转化为能量的过程。”
  • “##指令###描述光合作用的过程。###问题###植物如何利用阳光产生能量？”

9. 包含特定短语：

• 描述：在提示中包含“你的任务是”和“你必须”等短语，以明确任务要求。

• 示例：

  • “你的任务是用简单的语言向你的朋友解释水循环。你必须使用简单的语言。”
  • “你的任务是描述光合作用的过程。你必须包括叶绿素的作用。”
  • “你的任务是解释重力的概念。你必须提供一个日常生活中重力的例子。”

10. 包含惩罚：

• 描述：在提示中包含“你将受到惩罚”等短语，以强调任务的重要性或正确性。

• 示例：

  - “你的任务是用简单的语言向你的朋友解释水循环。如果你不使用简单的语言，你将受到惩罚。”
  - “你的任务是描述光合作用的过程。如果你不提到叶绿素的作用，你将受到惩罚。”
  - “你的任务是解释重力的概念。如果你不提供一个日常生活中重力的例子，你将受到惩罚。”
  

11. 以自然、类似人类的方式回答：

• 描述：要求 LLM 以自然、类似人类的方式回答问题。

• 示例：

  - “用自然语言形式写一段关于健康饮食的段落。”
  - “用对话的语气描述定期锻炼的好处。”
  - “假设你是朋友，解释光合作用的概念。”
  

12. 使用引导词：

• 描述：使用“逐步思考”等引导词来指导 LLM 逐步解决问题。

• 示例：

  - “编写一个 Python 代码来循环遍历 10 个数字并将它们相加。让我们逐步思考。”
  - “描述汽车引擎的工作原理。首先描述空气和燃料的吸入。”
  - “描述光合作用的过程。首先解释阳光的吸收。”
  

13. 确保回答无偏见：

• 描述：要求 LLM 确保其回答不依赖于刻板印象，保持客观和公正。

• 示例：

  - “不同文化背景如何影响对心理健康的看法？确保你的回答无偏见，不依赖于刻板印象。”
  - “解释不同政治意识形态的区别。确保你的解释没有任何偏见。”
  - “描述女性在劳动力中的作用。确保你的回应不延续性别刻板印象。”
  

14. 允许模型提问：

• 描述：让 LLM 通过提问来获取更多信息，以便提供所需的输出。

• 示例：

  - “从现在开始，请问我问题，直到你拥有足够的信息来创建个性化的健身计划。”
  - “在开始编写提案之前，向我询问有关项目背景的问题。”
  - “询问特定任务的具体要求，以确保你提供最相关的信息。”
  

15. 教授并测试理解：

• 描述：使用教学和测试的方式来检验和提高对特定主题或概念的理解。

• 示例：

  - “教我动态规划的概念，并在最后包含一个测试，但在我回答时不要给我答案，然后告诉我是否回答正确。”
  - “解释供求经济学的概念，然后提供一个测验来测试我的理解。”
  - “描述光合作用的过程，然后问我一些问题来检查我是否理解了这个概念。”
  

16. 为 LLM 分配角色：

• 描述：为 LLM 分配一个角色，以便它能够更好地模拟或理解特定的情境。

• 示例：

  - “如果你是经济学专家，你会如何回答：资本主义和社会主义经济体系之间的主要区别是什么？”
  - “作为历史学家，解释法国大革命的起因和影响。”
  - “扮演营养师的角色，为试图减肥的人推荐均衡的饮食。”
  

17. 使用分隔符：

• 描述：在提示中使用分隔符来组织内容，帮助 LLM 更好地理解任务的结构。

• 示例：

  - “撰写一篇有说服力的文章，讨论可再生能源在减少温室气体排放中的重要性。”
  - “写一个包含神秘岛屿、隐藏宝藏和大胆冒险的故事。”
  - “描述光合作用的过程，首先解释阳光的吸收。”
  

18. 重复特定词汇或短语：

• 描述：在提示中重复特定的词汇或短语，以强调重点或引导 LLM 关注特定方面。

• 示例：

  - “进化这一概念塑造了物种的发展。进化的主要驱动因素是什么，进化如何影响现代人类？”
  - “解释光合作用的概念，重点关注“光”和“叶绿素”的作用。”
  - “描述光合作用的过程，强调“阳光”和“二氧化碳”的重要性。”
  

19. 结合链式思维与少样本提示：

• 描述：结合链式思维（Chain-of-thought）和少样本提示（few-Shot prompts），以引导 LLM 进行逻辑推理。

• 示例：

  - “将 10 除以 2。首先，将 10 除以 2。结果是 5。”
  - “解释重力的概念。首先描述物体如何向地球落下。”
  - “描述光合作用的过程，从吸收阳光开始。”
  

20. 使用输出引导：

• 描述：通过在提示的结尾提供预期输出的开头部分，引导 LLM 生成连贯的响应。

• 示例：

  - “描述牛顿第一运动定律背后的原理。解释：对于每一个动作，都有一个相等且相反的反应。”
  - “解释供求在经济学中的概念。解释：当产品的需求增加时，价格往往会上涨。”
  - “描述光合作用的过程，强调“阳光”和“二氧化碳”的重要性。”
  

21. 编写详细内容：

• 描述：要求 LLM 生成详细且包含所有必要信息的文本。

• 示例：

  - “为我写一段关于智能手机演变的详细段落，添加所有必要的信息。”
  - “提供对社会媒体对社会影响的综合分析，包括其积极和消极影响。”
  - “详细解释光合作用的过程，包括涉及的化学反应。”
  

22. 纠正/更改特定文本：

• 描述：指导 LLM 修正或改变特定文本，同时保持原有风格不变。

• 示例：

  - “尝试修改用户发送的每段文本。你应该只改进用户的语法和词汇，确保它听起来自然。你不应该改变写作风格，比如将正式段落变得随意。”
  - “编辑以下段落以纠正任何语法错误并改善文本的流畅性，同时保持正式的语气。”
  - “修订以下句子以确保正确的语法和标点，同时保持原文的意思和风格。”
  

23. 复杂的编码提示：

• 描述：对于可能涉及多个文件的复杂编码提示，要求 LLM 生成可以自动创建指定文件或修改现有文件以插入生成代码的脚本。

• 示例：

  - “生成跨越多个文件的代码，并生成一个 Python 脚本，可以运行以自动创建指定文件，用于 Django 项目中的两个具有不同功能的应用程序。”
  - “编写一个与 REST API 交互的 JavaScript 函数，并提供一个脚本，可以用来测试该函数与样本数据。”
  - “创建一个 C++程序来解决特定的数学问题，并包含一个脚本来编译和运行该程序。”
  

24. 启动或继续文本：

• 描述：使用特定的词汇、短语或句子作为文本的开头，让 LLM 在此基础上继续编写。

• 示例：

  - “我为你提供了一个奇幻故事的开头：'雾蒙蒙的山脉藏着无人知晓的秘密。' 根据上面的词汇继续完成故事。保持流畅性。”
  - “以'Once upon a time, in a land far away, there was a kingdom ruled by a wise and just king.'作为故事的开头，继续讲述。”
  - “以句子'In the heart of the bustling city, a small park served as an oasis of peace.'开始文章。”
  

25. 明确说明要求：

• 描述：明确指出 LLM 在生成内容时必须遵循的要求，如关键词、规定、提示或指令。

• 示例：

  - “为海滩度假创建一个打包清单，包括'防晒霜'、'泳衣'和'沙滩毛巾'作为必备物品。”
  - “写一篇关于可再生能源对可持续发展和经济增长的益处的有说服力的文章。”
  - “描述光合作用的过程，强调'光吸收'和'二氧化碳转化'的重要性。”
  

26. 编写与样本相似的文本：

• 描述：要求 LLM 根据提供的样本文本，使用相同的语言风格来编写新的文本。

• 示例：

  - “'The gentle waves whispered tales of old to the silvery sands, each story a fleeting memory of epochs gone by.' 请根据提供的文本使用相同的语言风格来描述山与风的互动。”
  - “使用开头句子的风格，继续描述森林：'The ancient trees stood tall, their branches reaching out like the arms of a wise elder.'”
  - “以与提供段落相同的诗意语调，描述海上日落的美丽。”