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


原理解析:17岁高中生「神级 Prompt,把 Claude 强化成满血 o1」
发布日期:2024-11-22 06:05:13 浏览次数: 1608 来源:赛博禅心


大聪明:

从原理上来说,输出 = LLM(上文)


这里,上文包括:预设提示词 + 用户指令 + Rag 内容 + AI 生成内容(包括CoT、反思、多伦对话产生的内容等)。涂津豪同学厉害的地方,是让更多人,感受到了上文优化带来的效果增幅,仅通过固定提示词(丰富版的 Let's think step by step)。


对于大模型,只要上文好,其出产也会好。提示词工程,正是基于这一原理,帮助提供足够的、精准的上文。须知:提示词工程,可以帮大模型更准确输出,但无法让其更聪明。


本文中,宝玉老师将带着大家探索一下,涂津豪同学的提示词,是如何构建的,以及更多原理,值得收藏


昨天一个热门话题是涂同学发的让 Claude 也能输出类似 o1 思考过程的 Prompt https://github.com/richards199999/Thinking-Claude ,有人称之为神级 Prompt,网友们体验后评论不一:有人认为确实很强,效果很好;有人认为效果一般。 

首先,涂同学作为高中生,写出这么高质量的 Prompt,是很值得肯定的,能充分发挥模型潜力,让 Claude 对于通用任务也使用思维链。 


然后这个 Prompt 不用拔高到“神级”这个高度,我个人比较赞同下面 Wen Yu 和 padphone 网友的看法: 

即使不用这个提示词,Claude 也能得出差不多的结论;若进一步追问,Claude 输出答案的深度甚至比使用那个提示词更强。 

提示词变长以后,更无法确认模型对提示词是全盘接受的;本质上注意力机制计算的结果和人主观意识要求模型接受的不一致。 

提示工程重要,但模型能力增强一定会降低提示词的复杂度。 

https://x.com/WenYu98767859/status/1856907303976661241 -- Wen Yu 


Claude 3.5 sonnet 本身不具备真正意义上的思考链条的。而这位高中同学提供的 prompt ,它的 thinking 与它最后提供的答案,都是同属一个答案的(一个完整的答案,用两种不同的方式划分了)。通过 prompt 实现表面上划分的思考和答案,实际上都是预先规划的一次性输出的。缺乏真正渐进性的思考的。实际上是在“表演思考”。它这个 prompt 的泛化能力有限的,会在一些编程或者一些系统化的任务中表现出息而已,利用分解问题以及多维度分析,实现结构化的引导,对于一些编程任务是有限,但是作用有限的。Prompt 是优秀的,也有它的局限所在,过度吹捧神化它,其实并不好。开源的作品,本质就是让大家一起探索研究,一起优化,而不是把它过度神话,去收割流量韭菜。这不是一种好的现象,也不利于这位优秀的 17 岁的孩子的心智成长 https://x.com/lepadphone/status/1857112426447270258 -- padphone 


最后我尝试用类比来解释一下这类 Prompt 和 o1 这类推理模型的区别,不是很严谨,不要当作理论知识看,只是帮助更好的理解其中差别,不对之处也请指正。 

先说个题外话,我们那一代学生,初中开始才学英语,学习的教材和方法也相对落后,主要靠背单词记语法,整体英语基础相对是比较差的,现在的孩子从小就开始学英语,听说读写一起练,长大了就都能说的很标准了。 


现在的大语言模型,就像是小学中学没好好学过数学的一批大学生,全靠死记硬背记答案混过了高考,记忆力超好,知识特别丰富,写出来的东西也漂亮,还善解人意。 


用人单位一开始还挺高兴,日常找找资料写写公文那是没得说,写程序都还不错,但用了一段时间发现这帮大学生数学和逻辑真的不行,也不愿意学习新知识,都这么大了也没法回炉重造了,负责带这些大学生的导师们只好死马当活马医,告诉学生们,数学推理这种问题,列出步骤就能改善很多(Let's think step by step)! 


好一点的导师甚至还会针对特定的问题耐心的列出步骤,这还真的管用,马上学生们推理水平上了一大截,甚至能解决稍微复杂一点的问题。但是遇到导师自己也不会的,或者懒得说的,学生们只好只有发挥,有时候还真蒙对了,有时候就是胡说八道,但解题过程有模有样,不懂的可能还真被忽悠了! 


然后有聪明人把自己平时解题和推理的思维过程总结出来了,比如要从几个不同角度去考虑、要去反思、要验证结果,然后让大学生们执行所有任务都按照这一套来。你还别说,对于有些任务还真的效果好一点,于是有人惊呼:神级 Prompt。 


但是如前面两位网友分析的,这种模仿别人思维过程的,可能只是在“表演思考”,他们的数学基础并没有本质提升,虽然在特定的一些任务会表现更好,但是并不代表真的可以改变自身数学基础不行的本质。 


那么 o1 模型呢,就像新一代的大学生,从小就开始题海战术,每天做大量的数学题和编程题,并且做的时候都要严格的列出步骤,做完了就去对答案,不对重新做! 


等这批大学生毕业,他们的数学推理能力已经变得很强了,遇到问题不需要导师们去引导怎么思考,而是会根据平时的训练,自行去推理,自行验证,遇到错误了能回退回去重新推演。当然对于一些已经有最佳实践步骤的问题,导师们给出步骤会结果更好。 


长江后浪推前浪,前浪死在沙滩上! 


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