从LLM训练的方法中总结大语言模型的提问方法
为了更好的使用LLM的对话模型,我们最好是可以从理解LLM是如何训练的角度去作出我们的提问,但是本文只作为一个如何更好的与ChatGPT等AI交流所写的文章记录,因此不多赘述 . 文章给出的方法主要分为两大原则: 第一个原则是写清楚具体的说明,第二个原则是给模型时间思考。 第一个原则:给模型明确而具体的指示第一个原则,非常明确和具体的说明。通过提供尽可能清晰和具体的说明来表达您希望模型做什么。这将引导模型达到所需的输出,并减少您获得不相关或不正确响应的情况。 不要将编写明确提示与编写简短提示混淆,许多情况下,较长的提示实际上为模型提供了更多的清晰度和上下文,这实际上可以导致更详细和相关的输出。 分隔符使用分隔符可以避免提示词冲突。如果用户在提示中添加某些输入,你可能给出与你想要的任务不符的指令, 可能会给模型一些相互冲突的指令,这可能导致模型得出的不是你想要的指令 , 所以使用分隔符非常有必要。 分隔符可以是任何将特定文本片段与提示的其余部分分开的清晰标点符号。可以使用引号,XML...