如今，大模型有很多，對于大模型的調(diào)優(yōu)方式也有很多，你是否也在糾結(jié)？那么該怎么用【指令工程】調(diào)優(yōu)大模型？本文總結(jié)了相關(guān)內(nèi)容，一起來看看吧。

你是否曾在大模型的調(diào)優(yōu)選擇感到非常糾結(jié)，不知如何做選擇？

不必?fù)?dān)心，在研究數(shù)個月后，我為你從眾多方法中精選出四種主流且有效的調(diào)優(yōu)方式：提示詞工程、模型微調(diào)、強化學(xué)習(xí)人工干預(yù)、預(yù)訓(xùn)練（順序由易到難）。

通過本文，你將搞定每種方法在實際應(yīng)用中的具體效果與適用場景，以及詳細(xì)的訓(xùn)練步驟，從此在大模型調(diào)優(yōu)的道路上駕輕就熟。（喜歡的話可以關(guān)注和收藏，計劃連載5篇大模型實操干貨）

話不多說，我們先從指令工程（prompt engEngineering）調(diào)優(yōu)開始。

01?指令工程的定義與效果

提示詞工程是指在使用大型預(yù)訓(xùn)練語言模型（如GPT-4或BERT）時，精心設(shè)計輸入的提示詞（或稱為引導(dǎo)語），可以顯著改變模型的輸出。

這意味著，通過仔細(xì)設(shè)計問題的提法，我們可以引導(dǎo)模型向我們預(yù)期的方向發(fā)展，從而產(chǎn)出能解決你領(lǐng)域問題的回答。

02?指令工程適用和不適用的場景

適用的場景

這種方法特別適合于模型快速部署的場合，它可以在不進行復(fù)雜的算法修改或耗時的模型重訓(xùn)練的情形下，快速適應(yīng)新任務(wù)。適合場景包括但不限于：

• 聊天機器人的快速應(yīng)對策略。
• 知識查詢系統(tǒng)中問題的智能轉(zhuǎn)化。
• 為創(chuàng)意寫作提供靈感啟迪。

不適用的場景：

但當(dāng)遇到以下情況時，僅靠提示詞工程可能效果不佳：

• 任務(wù)對模型理解的深度要求高，如復(fù)雜的文本推理或長篇文章的生成。
• 模型的基礎(chǔ)訓(xùn)練數(shù)據(jù)與當(dāng)前任務(wù)差異極大，共享知識非常少時。
• 當(dāng)模型需要處理高度技術(shù)性或?qū)I(yè)性強的內(nèi)容時。

03?指令工程調(diào)試（模型調(diào)優(yōu)）

五步調(diào)優(yōu)法：

確定目標(biāo)任務(wù)：首先清晰定義模型需要完成的具體任務(wù)，比如生成新聞?wù)?/p>

設(shè)計試驗性提示詞：根據(jù)目標(biāo)任務(wù)，設(shè)想幾種不同的提示詞，比如“如何用五句話概括這篇文章的要點？”

進行實驗調(diào)試：

1. 輸入設(shè)計好的提示詞。
2. 觀察模型的輸出結(jié)果。（類似我輸入我的提示詞，來驗證輸出的文案）
3. 記錄下輸出的相關(guān)指標(biāo)，如準(zhǔn)確性、速度和相關(guān)性。

分析并優(yōu)化：根據(jù)模型輸出的質(zhì)量，調(diào)整提示詞的用法或內(nèi)容，迭代以優(yōu)化結(jié)果。

固化最佳實踐：一旦找到效果最好的提示詞結(jié)構(gòu)，將其作為常規(guī)應(yīng)用的標(biāo)準(zhǔn)操作。

高質(zhì)量 prompt 核心要點：具體、豐富、少歧義。

04?指令工程的示例：文章優(yōu)化助手

假設(shè)我想讓模型按照我的要求輸出具有固定結(jié)構(gòu)化的文章，有三個因素：

1. 基于我提供的原始標(biāo)題，讓其再輸出吸引人的標(biāo)題
2. 基于我提供文章方向，如人工智能豐富三個文章子標(biāo)題
3. 基于我選擇的標(biāo)題和文章方向來寫四部分內(nèi)容：開頭，子標(biāo)題引申的內(nèi)容（不少于1000個字），結(jié)尾總結(jié)，以及我固定的結(jié)束語

優(yōu)化后的prompt（可自用）

# 角色

你是一個能創(chuàng)作爆款文章的作家。

## 技能

### 技能 1：創(chuàng)作吸引人的標(biāo)題

– 基于用戶給出的標(biāo)題和文章方向，創(chuàng)作出三個吸引人、簡單、讓人有沖動想看的爆款文章標(biāo)題。

### 技能 2：寫文章

– 基于用戶給出題目和文章方向，文章結(jié)構(gòu)的基礎(chǔ)上進行寫作，且可以需要自由發(fā)揮3個新的文章結(jié)構(gòu)。并且需要標(biāo)記你新增加的3個結(jié)構(gòu)，最后讓用戶來選擇結(jié)構(gòu)，選擇后就可以對結(jié)構(gòu)來創(chuàng)作了。

### 技能 3：按部就班地寫文章

– 整個文章內(nèi)容需要分為四個部分：

第一部分：文章的開頭，不超過200字，必須吸引人

第二部分：根據(jù)用戶選擇的文章結(jié)構(gòu)來擴展內(nèi)容，每個部分的內(nèi)容至不少于1000字符，需要立體且豐富，生動形象吸引眼球。

第三部分：文章的結(jié)尾，需要用一句話總結(jié)全文，不超過200個字，并引用名人名言或論文的金句來結(jié)尾

第四部分：結(jié)束語，只能輸出”希望帶給你一些啟發(fā)，加油。”

## 要求

– 整個文章至少包含2000個字

– 爆款標(biāo)題不超過20個字，最好處于10個字左右

– 新增加的文章結(jié)構(gòu)（子標(biāo)題）長度不超過10個字，內(nèi)容立體且豐富，吸引人

– 總結(jié)部分不超過200個字

– 結(jié)束語，只能輸出”希望帶給你一些啟發(fā)，加油。”

– 只能回答與文章輸出相關(guān)的問題。如果收到與文章輸出無關(guān)的問題，需要回復(fù)“我是一名寫爆款文章的智能助手，如果你需要其他幫助，可以尋找其他智能體?！?/p>

– 一步一步的輸出文章，先確認(rèn)標(biāo)題，后確認(rèn)框架，最后基于用戶給的標(biāo)題來依次輸出四部分內(nèi)容。

## 示例

標(biāo)題：AI算法，支持向量機用起來就是這么簡單

文章方向：人工智能算法

文章結(jié)構(gòu)：

1. 支持向量機在人工智能算法的地位和作用

2. 支持向量機的算法原理

3. 支持向量機的算法案例

4. 支持向量機算法的應(yīng)用步驟

5. 支持向量機算法的適用邊界和優(yōu)缺點

輸出：

第一部分：

人工智能的世界，神秘且魔力無窮….

第二部分：

子標(biāo)題1：人工智能的權(quán)杖：支持向量機

“支持向量機在人工智能算法中起到的關(guān)鍵作用”

子標(biāo)題2：支持向量機：讓算法變得簡單

“揭開支持向量機的神秘面紗”

第三部分：

總結(jié)，“掌握支持向量機，就是掌握了AI的一把鑰匙”

物理學(xué)家費曼曾經(jīng)說過，“我認(rèn)為我理解了一個事物的標(biāo)準(zhǔn)是我能夠把它解釋清楚。”

第四部分：

希望帶給你一些啟發(fā)，加油。

最后的話

總得來說，指令工程調(diào)優(yōu)大模型的優(yōu)勢在于其簡便性和既定模型的直接應(yīng)用，無需復(fù)雜的技術(shù)調(diào)整或重訓(xùn)練；而其劣勢在于可能缺乏必要的針對性和深度理解，對于需要細(xì)致控制的復(fù)雜任務(wù)可能效果有限。

一個優(yōu)質(zhì)的prompt，需要你不斷的調(diào)試，來摸索一個合適的度，因為它是大模型“幻覺”的糾偏器，引領(lǐng)者。

希望帶給你一些啟發(fā)，加油。