AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


第三篇:要真正入门AI,OpenAI的官方Prompt工程指南肯定还不够,您必须了解的强大方法论和框架!!!
发布日期:2024-03-21 07:18:21 浏览次数: 2359 来源:AIwithGary




01

提示工程总览


提示工程技术大概可以分成四类:

  • 基于样本提示技术

  • 思维链技术

  • 自动增强技术

  • 交互与推理技术

在上两篇篇文章中(第一篇,第二篇),我们已经介绍了(下图中标有的部分):

  • 零样本提示(Zero-shot)

  • 少样本提示(Few-shot)

  • 思维链(Chain-of-Thought / CoT)

  • 自动思维链(Automatic CoT)

  • 自洽(Self-consistency)

  • 自动提示工程师(Automatic Prompt Engineer)

  • 生产知识提示(Generated Knowledge Prompting)

  • 思维树(Tree of Thought / ToT)

  • 思维图(Graph of Thoughts / GoT)

  • 自动增强检索(Retrieval Augmented Generation / RAG)

这篇文章将介绍剩下的的方法论和框架。包括:

  • 元认知提示(Metacognitive prompting)

  • 逻辑思维链(Logic CoT)

  • ReAct提示 (ReAct Prompting)

  • 多模态CoT (Multimodal CoT)

  • 自动推理和工具使用(Automatic Reasoning and Tool-use / ART)

  • 思维算法(Algrithom of Thought)

请看下方标有✅的部分。

以下是它们各自的发布时间线:


02

自动增强技术


Metacognitive prompting

元认知提示(MP)是一种旨在提升大型语言模型(LLM)元认知能力的技术。这种方法被证明在多种场景下优于其他现有的提示技巧。MP方法包括以下几个具体步骤:

  • 文本解析:分析并理解所给的文本。

  • 形成判断:根据对文本的解析做出初步的评价或判断。

  • 评价判断:对初步的判断进行评估,检查其准确性和相关性。

  • 作出最终决策并给出理由:做出最终的决策,并提供基于理由的解释。

  • 评估信心水平:对最终决策及其解释的信心水平进行评价和打分。

通过这一系列步骤,LLM能够展现出元认知行为,策略性地评估和管理自己的认知过程。


03

思维链技术


LogiCoT (combination of metacognition and CoT)

逻辑思维链(LogiCoT)是一种利用思维链(CoT)来验证推理过程的方法,通过引入逻辑来加强 CoT。CoT的推理步骤将如下图所示被审查,采用颜色编码系统:红色表示错误,蓝色象征在验证后所做的修正,绿色代表经过验证的步骤。与传统的CoT不同,在传统的CoT中错误保持未更正的状态,LogiCoT允许对错误进行细化和修订。


04

交互与推理技术


ReAct Prompting

ReAct提示法是一种将Reasoning(推理)与Action(执行)相结合于语言模型中的新框架。通过这种方法,大型语言模型(LLM)能够交替产出推理过程和针对特定任务的执行步骤,使系统能够在制定、维护和调整行动计划的同时,与外界环境互动,引入更多信息进行深入推理。

通过ReAct,模型能够与外部工具互动,获取更多信息,以形成更加可靠和基于事实的答案。比如,在问答任务中,模型将依次展开解决方案的路径(思考与执行)。其中,“思考”阶段助力模型理解问题并确定下一步行动;“执行”则是模型可以采取的具体操作,从允许的操作集中选取。“观察”则指模型与之互动的外部环境反馈,例如搜索引擎的结果。简言之,ReAct 能够在推理过程中辅以信息检索,同时利用推理定位下一步的检索目标。

以ReAct方法提出的示例问题:

  • 问题:科罗拉多造山带东部扩展区的海拔范围是多少?

  • 思考 1:我需要先搜索科罗拉多造山带,确定东部扩展区的位置,再查询该地区的海拔范围。

  • 行动 1:搜索[科罗拉多造山带]

ReAct还应用于LangChain的CSV Agent和BabyAGI的执行Agent等工具。LangChain的CSV Agent利用ReAct框架与CSV格式数据互动,主要用于解答问题。

BabyAGI 的执行Agent则展示了另一种使用 ReAct 框架的Agent,它是一套能够独立处理问题,通过多次迭代实现目标的自治 AI Agent系统。

综上所述,ReAct提示法是结合了推理和执行功能的语言模型中的一项强大工具,它使模型能够与外界工具和环境互动,进而产生更加可靠和基于事实的答案。它已被应用于多种场景,如LangChain的CSV Agent和BabyAGI的执行Agent,帮助解决问题任务。

通过 ReAct 格式,我们可以为“思考”和“执行”阶段设计输入,并利用这种方法实际解决问题。例如,搜索等操作可以自然地作为“执行”动作被集成进来,并作为“观察”环节被融入到上下文中。

Multimodal CoT

多模态思维链(CoT)是对传统思维链方法的一次重要扩展,它通过将文本与视觉信息结合在一个双阶段框架中,目标是让 大型语言模型(LLM)能够跨文本和图像等多种模式解析信息,从而提升它们的推理水平。

核心要素及其功能包括:

  • 生成推理依据:在首个阶段,模型融合文本与图像等多模态信息,生成推理的依据,即从视觉及文本资料中解释并理解问题的上下文。

  • 答案推导:利用第一阶段形成的推理依据,在第二阶段导出答案,通过这个依据指导模型逻辑推理,以寻找准确的答案。

  • 实践案例:例如,在“根据这两个磁铁的图片,判断它们是相互吸引还是排斥?”的情形下,模型将同时考察图像(比如,注意到一个磁铁的北极与另一个的南极相近)和问题文本,来构建推理依据并得出结论。

影响力和应用范围:

  • 多模态CoT已证明其在需要多模式推理的任务,如结合文本和图像的问答任务中,能够提升LLM的表现。

  • 举个例子,一项研究显示,多模态CoT模型在包含文本和图像理解问题的ScienceQA基准上,表现优于GPT-3.5。

  • 此外,多模态CoT还被用于提高医学成像中AI模型的准确率,通过促进不同模式图像的整合,加深了对疾病的理解,并为多模态推理设置了强有力的基准。

总结来说,多模态CoT通过使LLM能够处理并解读来自多种模式的信息,在需要多模态推理的任务上提高了性能,并在医学成像等领域发挥了实际应用价值,显著提升了它们的理解与推理能力。

Automatic Reasoning and Tool-use (ART)

自动推理与工具使用(ART)框架 利用大型语言模型(LLM)自发生成推理的中间步骤,是推理加上行动(ReAct)理念发展的产物。这个理念通过结合推理与行动,极大地扩展了LLM在处理语言推理和决策任务方面的能力。

ART的核心特点和功能包括:

  • 任务拆解:当接收到一个新任务时,ART 会从一个任务库中挑选出多步骤推理和工具使用的示例。

  • 整合外部工具:在生成过程中,一旦需要调用外部工具,就会暂停,并在继续之前融合这些工具的输出,让模型能够从示例中学习,分解新任务,并在不需要任何预设的情况下恰当使用工具。

  • 扩展性:ART允许人工纠正特定任务程序的错误或加入新工具,这大幅提升了在特定任务上的表现,且仅需极少的人工干预。

在LangChain中的应用:

  • LangChain是一个开源框架和工具集,旨在应用LLM,通过ART可以构建出既能推理又能记忆的AI Agent。

  • 举个例子,一个AI代理可以被分配到理解其任务和角色,合理化地提出问题,使用互联网搜索等工具,暂停来获取人类的反馈,并记录其进展,而不会忘记先前的知识,这一过程会重复进行,直到达到结束的条件。

  • 在诸如担任初级招聘者的代理的实际应用场景中,ART在LangChain中证明了它的实用性。

LangChain库为实现LLM和ReAct提示提供了实用的方法,通过示例展现了如何在LangChain库的帮助下实际进行ReAct提示,并展示了如何在解答问题的思维过程中,通过搜索、评估结果、决策下一步行动,并持续这一过程直到问题得到解决。

总结而言,ART极大地提升了LLM的功能,让它们能够执行复杂的推理任务,并与外部工具互动来完成超出其本身能力范畴的计算任务。它在LangChain中尤为有用,可用于创建具备推理、记忆保持以及与人类和外部工具互动的高级AI Agent。ART的一大特色是利用LLM从任务库和工具库中生成推理步骤。

Algorithm of Thoughts(AoT)

思维算法(AoT)既是一种架构,也是一种引导技术,代表了一种通过减少计算量和缩短时间来优化思维树(ToT)的先进方法。它通过把问题细分成更小的子问题,并有效运用深度优先和广度优先搜索等算法,达到了其效率。AoT结合人脑思维方式和算法逻辑,引导模型沿着算法推理的路径前进,使其在更少的查询中探索更多的可能性。这一特点使得AoT成为处理需要复杂逻辑推断任务的有力工具,也是训练人工智能的一个前景光明的新方法。

AoT的核心要素包括:

  • 子问题链接:AoT通过将子问题的解决方案串联起来,形成了一个连贯的思维链。

  • 算法推理路径:它设计用来通过算法逻辑引导模型,使得在减少查询的同时,能够探索出更多的创意,特别适合那些需要复杂推理的任务。

  • 人类认知与算法逻辑的融合

    • AoT借鉴了人类解题的策略,即通过头脑风暴产生多个解决方案,评估后选择最佳方案,并以此类推方式训练大型语言模型(LLM)。

    • 利用算法评价LLM生成的“初步思考”或步骤,确保了这些初步步骤的正确性,进而增加了得出正确解决方案的可能性。

例如,在解决“所有狗都有四条腿”这样的问题时,AoT会评估如下初步步骤:

  • 所有狗都是哺乳动物。

  • 所有哺乳动物都有四条腿

AoT对这些步骤进行评估,通过证据来支持或反对第一步,然后对第二步进行验证。

AoT不仅效率高、节省资源,通过利用AI的自我学习能力,减少了对数据和计算力的需求,有望成为一种改变游戏规则的AI训练技术,使AI变得更加智能和类人化。

更进一步,AoT通过提升想法的探索性、加强推理能力,并优化LLM的效率和类人推理能力,有可能彻底改变人工智能的面貌。它开辟了让AI更具创造性、适应性和准确性的新路径。

总的来说,AoT为大型语言模型提供了一个模仿人类思维解决问题的强大工具,通过结合人类的认知和算法逻辑,提高了解决问题的效率。它不仅使模型在减少查询的同时探索更多想法成为可能,也成为了处理复杂推理任务和作为一种有希望的新型AI训练方法的宝贵资源。


05

写在结尾


每种提示技巧都有其特有的强项,可根据具体的任务场景进行选择。技术的挑选需基于任务的特定需求,模型的功能以及可用资源。

挑选最适合的提示方式需依据任务的特殊要求,对于那些需要复杂解决方案和逻辑推理的任务,像AoT提示或ToT提示这类方法可能更适宜;若任务需融合多种信息类型,那么多模态CoT提示可能更加有利;而对于那些需与外部工具或环境互动的应用来说,ART 提示或 ReAct 提示或许更加有效;最终的选择应紧密结合任务本身的特定需求和约束条件。

最后,这篇是关于提示工程方法论与框架的最后一篇文章,感谢您的阅读。




53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询