这是一场关于如何最大化地提高大型语言模型性能的分享。John Allard和Colin分别介绍了不同的技术，包括提示工程、检索增强生成（RAG）和微调等，以及如何将这些技术应用到实际问题中。

John首先介绍了自己在OpenAI微调产品团队的工作，并提到了微调的一些进展，如函数调用数据的微调、持续微调和平台内全UI微调。他还提到了与不同规模的开发者合作的经验，以及他们如何使用LLM解决各种问题。

Colin接着讨论了优化LLM的难点，包括难以从噪声中分离信号、性能难以衡量以及难以确定解决问题的方法。他强调了建立问题框架的重要性，并介绍了用于解决问题的工具。

演讲中提到，优化LLM性能并不总是线性的，有时需要结合使用提示工程、RAG和微调。提示工程是开始的好地方，可以快速测试和学习。RAG允许模型访问特定领域的内容，而微调则可以强化模型遵循一致指令的能力。

客户需求1：

客户需求2：

解决方案：

1. 首先，我们用最简单的方法，比如余弦相似性，寻找类似问题的SQL查询，进行问题相似性搜索。

我们测试了不同的嵌入和提示工程，但结果不太好。后来，我们意识到不同的数据库模式对问题的答案可能完全不同。

2. 所以针对一个问题进行相似性搜索意义不大，但用预设答案进行搜索可能效果更好。

我们使用预设的文档嵌入，生成一个假设的SQL查询进行相似性搜索，性能大大提升。对于这个特定问题，我们尝试了上下文检索，通过简单过滤将问题按难度排名，只带回同等难度的例子，这带来了改进。

我们还尝试了一些先进技术，比如链式推理，让系统识别列、表，最后构建查询。但我们决定采用更简单的方法进行自我一致性检查，让系统构建查询并运行，出错时给出提示，再次尝试。

3. 我们从69%开始，然后添加了一些示例，得到了几个改进点，这表明RAG可以进一步改进。

我们尝试这个问题，看到性能提升了3%，然后使用答案，假设的文档嵌入使我们进一步提升了5%。

4. 我们决定试试微调，看能否更进一步。先建立了我们的基线，与上一张幻灯片里的69%基线一样，使用简单的提示工程技术。

然后，用简单的提示工程对GPT-4进行微调，结果模型准确率提升到接近82%。

1. 我们隔着一条鸿沟远远地观望，我们会以为某件事情很简单

2. 但是当我们建立好评测标准、样本集合，并且实践之后，才会发现有很多原先没考虑到的问题。

3. 当我们解决一个问题之后，会发现指标提高一点（也可能证明不可行），这个过程不是线性的，没有一帆风顺的情况。都是启发式地，碰到问题，然后解决问题。