MLNLP 社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。

社区的愿景 是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。

转载自 | 新智元

大语言模型提示的「怪异世界」，首次如此详尽地被暴露在我们眼前。

最近，来自马里兰大学、OpenAI、斯坦福、微软等12所机构的30多名研究者，首次对LLM的提示技术进行了大规模的系统研究，并发布了一份长达75页的详尽报告。

论文地址：https://arxiv.org/abs/2406.06608

如今，提示已经无处不在，然而在整个生成式AI行业，仍然缺乏对已出现的数百种技术系统和彻底的调查。

在这项工作中，研究者通过结合人工和AI的力量，从arXiv、Semantic Scholar和ACL数据库中处理了4,797条记录，并通过PRISMA审查过程筛选出1,565篇相关论文。

由此，他们得到一种分类法，建立了包含33个术语的综合词汇表，一个包含58种文本提示技术的分类体系，以及40种其他模态的提示技术等。

这篇有史以来最全的提示技术报告，纷纷得到了业内大佬们的鼎力推荐。

这里需要明确三个概念——

提示，是指向GenAI提供提示，然后生成响应的过程。

提示技术，是一个蓝图，描述如何构造一个提示或多个提示的动态排序。它可以结合条件或分支逻辑、并行性或涉及多提示的架构。

提示工程，是指通过修改或更改正在使用的提示技术，来开发提示的迭代过程。

奇奇怪怪的大语言模型

有趣的是，在这个过程中，研究者发现了大语言模型一些奇怪的现象。

1. 重复某些话，LLM会给你惊喜

研究者发现，如果重复部分提示，会显著提高模型的性能。

比如，在一个关于自杀危机检测的案例中，因为意外，导致一封包含案例背景的邮件在提示中出现了两次，这就导致模型的性能大大提高。

删除掉重复内容后，模型的准确性就显著降低了。

这是什么原理？

对此，研究者也无法给出明确的解释。

2. 说出你的名字！

研究者在测试中发现的另一件有趣的事，就是在提示中包含人名也很重要。

比如在上面的邮件中，如果名字被匿名，或者替换为随机姓名时，模型的准确性也会下降。

为何LLM会对这种看似无关痛痒的细节如此敏感？对此，研究者们也没有答案。

往好处想，我们可以通过探索，来提供LLM的性能。

然而如果往坏处看，这也证明提示工厂目前仍然是我们人类难以理解的黑盒。在我们人类看来毫不相干的细节，LLM却出乎意料地敏感。

为此，研究者建议，知道如何控制模型的提示工程师，一定要和准确理解目标的专家之间密切合作。

因为，这些AI系统是被哄骗的，而非被编程的。

它们除了对所使用的特定LLM非常敏感，对提示中的特定细节也很敏感，但我们实在找不出任何明显理由，证明这些细节到底怎么重要了。

3. 示例的选择和顺序，LLM也很敏感

通常最有效的提示方法，就是少样本提示了，也即在提示中直接举例。

在语言理解MMLU基准测试中，带有示例的提示取得了最佳效果，尤其是与CoT结合时

不过，这其中也有一些奇怪的陷阱：LLM对示例的选择和顺序，竟然非常敏感。

同一示例以不同顺序出场，竟让模型的效果大相径庭，准确度可以低于50%，也可以高于90%。

4. 代码辅助推理潜力巨大

目前在研究和行业中得到广泛应用，只有一小部分提示技术，最常见的是就是few-shot和CoT。

但「思维程序」（Program-of-Thoughts）之类的技术（代码被用作推理的中间步骤）也很有前途，但尚未广泛使用。

而且，在案例中，自动化取得了最佳结果。由于手动提示对我们往往是很大的挑战，因此自动化显然潜力巨大。

不过在研究人员看来，人类微调和机器优化的结合，可能会是最有前途的方法。

三大提示技术

论文中，研究人员提出了全面的分类提示技术——基于文本、多语言、多模态三大类。

文本提示

在文本提示类中，整整涵盖了58种纯文本提示技术，如下图所示。

如下，将会列举几个基于文本提示技术的例子。

In-Context Learning（ICL）是指AI通过提示中的范例/相关指令，可以学习技能，无需更新权重再训练的能力。

比如，你给出2+2=4，4+5=9，然后8+0这样的提示之后，LLM便会从前两个算式中学习推算，进而解决任务。

再比如，给出指令，从以下文本中提取包含3个同样字母，以及至少有3个其他字母的所有单词：{TEXT}。

LLM通过理解指令，针对文本完成查找。

不过，「学习」一词或许有些误导。ICL其实可以被视为「指定任务」，可能这些技能并非是真正的学习，而早已存在训练数据之中。

就好比，你让LLM去把一个单词「奶酪」翻译成法语。

上图2.4中给出例子的提示，也称为「少样本」提示（Few-Shot Prompting），模型与此进行的是少样本学习。

这里，样本质量非常关键，决定着模型的输出性能。而且，样本的顺序也会影响模型的行为，进而导致LLM输出的准确率可能在50%以下，或90%以上不等。

对此，研究人员建议可以使用K-Nearest Neighbor（KNN）算法、Vote-K等方法，来提升样本质量。

此外，还可通过AI自生成上下文学习（SG-ICL）方法，让AI自动生成样本。作者表示，在训练数据不可用的情况下，它的效果要好于零样本场景。

作者总结了在设计少样本提示时的六个主要设计决策，如下图所示。

针对零样本，有很多我们熟知的提示技术，比如：

• 角色提示：指定AI一个角色，作家、数学老师等。
• 风格提示：在提示中指定所需的风格、语气或体裁。
• 情感提示：将与人类心理相关的短语纳入提示，如「这对我的职业生涯非常重要」。
• 系统2 Attention（S2A）：要求LLM重写提示语，并删除其中与问题无关的任何信息，然后，自动将新的提示传递给 LLM，以获取最终响应。
• SimToM：涉及多人或多物的复杂问题时，LLM试图确定一个人所知道的一系列事实，然根据这些事实回答问题。这是一个双提示过程，有助于消除提示中无关信息的影响。
• 重述和回答（RaR）：指示LLM在生成最终答案之前，重述和扩展问题。
• 重读（RE2）：在提示语中加上「再次阅读问题」提示，可显著提高大模型在复杂推理问题性能。
• 自我追问（Self-Ask）：让LLM先决定是否需要针对给定的提示提出后续问题。若需要，LLM会生成这些问题，然后回答这些问题，最后回答原始问题。

在「思维生成」上，CoT是其中最具代表性的方法，而「最纯净」的CoT是不需要任何示例，即零样本CoT。

仅需在提示语中，添加一个诱导思考的短语——让我们一步一步地思考，让我们一步一步地解决这个问题......

此外，CoT还可以是少样本CoT，顾名思义，就是为LLM提供一些样本，可大幅提升模型性能。

我们还可以通过分解（Decomposition）的提示策略，明确将问题分解，以提升模型解决问题的能力，其中就包括：

• 从少到多提示法：提示LLM将给定的问题分解成子问题，但不求解这些子问题。分解完成后，再依次解决这些子问题，每次都将模型响应附加到提示中，直到得出最终结果。
• 分解提示（DECOMP）：少量样本会提示LLM如何使用某些函数，比如包括字符串分割或互联网搜索等（单独作为工具调用）。鉴于此，LLM将其原始问题分解为子问题，并将其发送给不同的函数。
• 「计划-解决」提示：包括一个改进的零样本CoT提示——让我们先了解问题，并制定一个解决问题的计划。然后，让我们执行计划，逐步解决问题。
• 思维树（ToT）：从初始问题开始，然后以思维的形式生成多个可能的步骤，从而创建一个树状搜索问题。并评估每一步在解决该问题上所取得的进展。
• Skeleton-of-Though：将一个复杂问题分解成多个子问题，并行地让LLM分别回答,最后将结果合并就能得到整体回答。

与「分解」相对应地，还有「集合」（Ensembling）策略，是指使用多个提示来解决同一问题，然后将这些回答汇总为最终输出的过程。

其中的方法包括，示例集合（DENSE）、推理混合专家（MoRE）、自洽、DiVeRSe、多种CoT元推理等等。

最后，还有自我批评（Self-Criticism）提示策略，包括以下几种技术：自我校准、逆转思维链 (RCoT)、自我验证、验证链 (COVE)、累积推理。

除了研究提示技术，研究人员还回顾了用于自动优化提示的「提示工程」技术。

提示工程过程包括三个重复步骤：1）在数据集上进行推理，2）评估性能，3）修改提示模板。

这是一个用于标注任务的LLM输出注释结果，展示了答案工程（Answer Engineering）的三个设计决策：答案形状的选择、答案空间和提取器。

由于这是一个分类任务的输出，答案形状可以限制为单个token，答案空间可以限制为两个token之一（「positive」或「negative」），尽管在这个图像中它们没有被限制。

最后，研究者总结发现，在所有的提示技术中，少样本学习、零样本推理、高质量上下文提示示例，自洽，提示顺序敏感性使用率排在了前五。

与此同时，我们还可以通过数据集中论文引用的基准数据集和模型次数，来衡量提示技术的使用情况。

多语种提示

在多语种提示技术中，研究人员主要介绍了CoT、Human-in-the-Loop、上下文学习、上下文示例选择、翻译提示、多语种技术、提示语言这几大要点。

先翻译后提示，是最简单的策略。不过，有些提示技术，要比翻译性能速度来的要快。

比如CoT已经通过多种方法（XLT、CLSP），已扩展到了多语种环境中。

针对上下文学习的策略有：X-InSTA提示，以及跨语言翻译上下文提示（In-CLT）。同时，上下文示例选择对模型多语言性能也至关重要。

因此，需找与源文本语义相似的上下文示例，就成为一项技术活。有研究者曾提出了，PARC（通过跨语言检索增强提示）的方法。

Human-in-the-Loop包含了交互链提示（ICP）以及迭代提示两种方法。

另外，提示模板语言选择会明显影响模型的性能。在多语言任务中，用英语构建提示模板，往往比用任务语言更加有效。

这是由多数LLM在预训练期间，使用了大量的英文数据决定的。

顺便提一句，任务语言提示模板，则是针对特定语言使用情况来使用任务语言提示。

多模态提示

随着GenAI模型的发展，现今也出现了许多多模态提示技术。

图像

比如图像形态的提示，包括照片、图画、屏幕截图等数据。

这个过程中，可以使用负面提示对某些提示中的某些术语进行数字加权，让模型更多或更少地考虑它们。

比如，如果对「错误的手」或「多余的手指」进行负权重，模型更有可能生成解剖学上正确的手。

如今，CoT已经以各种方式扩展到了图像领域。

比如一个简单的例子，就是包含数学问题的图像的提示，同时附有文本说明「一步步解决这个问题」。

另外，还有职责明确的思维链。

上面这道题，要求考虑每对磁铁的磁力，来判断以下陈述哪个是正确的。这个例子证明了，输入理由在多模态推理中是多么重要，以及理由在zero-shot和fine-tuning场景中的不同作用

它可以把从最少到最多的提示扩展到多模态设置，创建子问题，然后解决它们，将答案组合成最终响应。

比如这项任务中，要求模型选出图中的哺乳动物。

这项任务要求模型回答：哪种溶液中的蓝色颗粒浓度更高？

请问：这种杂交产生的大鼠是侏儒的概率有多大？

多模态思维图则是将Graph-of-Thought扩展到多模态设置中。

在推理时，输入提示会用于构建思维图，然后和原始提示一起使用，来生成回答问题的基本原理。

当图像与问题一起输入时，图像标注模型被用来生成图像的文本描述，然后在思维图构建之前，将其附加到提示中，以提供一种视觉的上下文。

图像链（CoI）是思维链提示的多模态扩展，生成图像是其思维过程的一部分。

用「让我们逐个图像思考」来生成SVG，模型就可以用它进行视觉推理了。

具体来说，CoI的首要步骤，就是逐步生成图像。不过要求SD XL或Dall-E遵循复杂指令生成图像时，他们却遇到了困难。因此，研究者引入符号多模态LLM。当LLM提供各种文本提示时，它将生成不同格式（如SVG格式）的符号表示。