LLM 提示指南¶

大型语言模型，比如Falcon和LLaMA，其实是预先训练好的Transformer模型。它们的初衷是预测给定一段文本后，下一个字词会是什么。这些模型拥有数十亿个参数，并且在海量的文本数据上训练了很长时间。正因为如此，它们变得非常强大和多功能。你可以通过用自然语言给出提示，来引导这些模型解决各种自然语言处理（NLP）任务。

为了让这些模型给出最佳结果，设计合适的提示非常重要，这被称为“提示工程”。提示工程是一个不断尝试和改进的过程。自然语言比编程语言更灵活、表达力更强，但也更容易产生歧义。而且，自然语言提示对细节非常敏感，哪怕小小的改动都可能导致完全不同的输出。

虽然没有什么万能的提示方法，但研究人员已经总结出一些最佳实践，帮助大家更稳定地获得好结果。

这本指南会介绍这些提示工程的最佳实践，帮助你制作更有效的LLM提示，解决各种NLP任务。你将学到：

• 激励的基础：了解如何通过自然语言提示激发大型语言模型的潜力，使其更有效地完成任务。
• LLM提示的最佳实践：掌握设计和优化提示词的基本原则和技巧，确保模型输出符合预期。
• 高级提示技巧：少样本提示和思维链，深入探讨少样本提示和思维链等高级技巧，提升模型在复杂任务中的表现。
• 何时进行微调而不是提示：明确在什么情况下选择微调模型而不是使用提示词，以获得最佳效果。