|
OpenAI 最近发布了最新大模型 o1，通过强化学习训练来执行复杂的推理任务，o1 在多项基准测试中展现了博士级别的推理能力，甚至在某些情况下可以与人类专家相媲美。
当你使用 o1 的时候，会发现文档中多了一项提示词建议。
翻译一下： """ 这些模型在处理直截了当的提示词时表现最佳。一些提示词工程技术，比如少样本提示或指示模型“逐步思考”，可能不会提升性能，有时甚至会妨碍其表现。 以下是一些最佳实践： - 保持提示词简单直接：这些模型擅长理解和响应简洁清晰的指令，无需过多的指导。
- 避免链式思考（CoT）提示：由于这些模型在内部执行推理，提示它们“逐步思考”或“解释你的推理”是没有必要的。
- 使用分隔符以提高清晰度：使用分隔符，例如三重引号、XML标签或章节标题，来明确区分输入的不同部分，帮助模型正确解释各个部分。
- 在检索增强生成（RAG）中限制额外上下文：在提供额外上下文或文档时，只包含最相关的信息，以防止模型的响应过于复杂。
这与之前学习的提示词工程相比，除了使用分隔符跟之前一样，像小样本学习、CoT、RAG这些，在 o1 中使用反而可能起反作用了。所以，有一种声音表示，现在已经不再需要提示词工程了。
但我的观点正好相反，我恰恰认为更应该需要提示词工程了。因为未来不同的大模型，可能会有不同的提示词编写要求。比如，Claude工程师聊 prompt 时提到，ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.034em;">不需要角色扮演这恰恰也正是提示词工程师的价值所在，了解不同大模型的差异，根据需求编写在某个模型上表现最佳的提示词。
再比如，最近爆火了一个「汉语新解」的 prompt，输入一个词语，就可以生成词语解释卡片。这个 prompt 在 Claude 3.5 表现得很好，而用其他模型输出就不稳定。每个模型的提示词，建议跟着官方学。以 o1 为例，OpenAI 有 Cookbook 页面
| 
