研究人员解释了如何提高人工智能的回答质量 - ForkLog: 加密货币，人工智能，奇点，未来

# 研究人员解释了如何提高AI响应的质量

精心设计的上下文提示提高了人工智能模型的回答准确性。这一结论出现在上海人工智能实验室的文章中。

尽管神经网络能够理解自然语言，但它们仍然需要获取额外的信息和清晰的请求才能提供高质量的结果。例如，如果请求人工智能“规划一次旅行”，它可能会建议奢华的邮轮，而不知道预算有限。

好的问题可以避免“熵”——由于过度不确定性而导致的混乱。

如何形成优质的提示

文章提出了提高与人工智能交流效率的方法。这些方法基于提示设计(prompt engineering)。

一些建议：

1. 需要从基础开始：谁，什么，为什么。 始终包含背景故事以创建上下文是很重要的。与其使用提示“写一首诗”，不如尝试请求：“你是一个浪漫的诗人，为我的周年纪念而写作。主题是永恒的爱。让这首诗简短而可爱。”
2. 应该像蛋糕一样“分层”形成信息 — 从一般到具体**.** 从一般开始，然后添加细节。对于编程任务：“我是一名初学者程序员。首先解释Python的基础知识。然后帮助我调试这段代码 [插入代码]。背景：这是为了一个简单的游戏应用程序。” 这将有助于AI处理复杂的请求而不会过载。
3. 标签和结构的应用。 提示应通过标签组织。示例：“目标：规划一个预算旅行。限制：$500。适合家庭。偏好：海滩目的地。”这类似于为人工智能提供一张路线图。
4. 加入多模态元素。 如果请求涉及视觉元素或之前的聊天记录，需要进行描述。示例：“基于此图像 [描述或链接] 提出服装选择。之前的上下文：我喜欢休闲风格”。对于较长的任务，需要简要概述历史。
5. 过滤噪音。 在提示中只包含最必要的内容。如果AI“偏离了轨道”，则需要添加说明。例如：“忽略无关的主题——只专注于对健康的益处。”
6. 考虑过去的错误。 重要的是要考虑未来，例如：“上次你提出了X，但由于Y没有成功——请相应调整。”

提醒一下，十月份宾夕法尼亚大学的研究表明，当对大型语言模型进行粗暴的提问时，它们的回答更加准确。