提示工程指南

这份指南包含了一系列有关提示工程的最新论文、学习指南和工具。该仓库旨在为实践者和开发者提供研究和教育参考，但不能完整列出主题所有的资源。

提示工程是一门相对较新的学科，旨在开发和优化提示，以有效地使用语言模型（LMs）用于各种应用和研究课题。提示工程技能有助于更好地了解大型语言模型（LLMs）的功能和局限性。研究人员利用提示工程来提高 LLMs 在各种常见和复杂任务（如问答和算术推理）上的能力。开发人员使用提示工程来设计与 LLMs 和其他工具接口的稳健有效的提示技术。

受到开发 LLM 的高度兴趣的推动，我们创建了这本新的提示工程指南，其中包含了所有与提示工程相关的最新论文、学习指南、讲座、参考资料和工具。

🎉 提示工程讲座正在此处直播！笔记本和幻灯片皆包含其中。

讲座

我们发布了一个 1 小时的讲座，提供了对提示技术，应用程序和工具的全面概述。

指南

以下是我们开发的提示工程指南。指南正在研发中。

论文

以下是关于提示工程的最新论文（按发布日期排序）。我们每天更新这些论文，并添加新的论文。我们每周都会将这些论文的摘要添加到上面的指南中：

调查/概述：
- 增强语言模型的探索（2023 年 2 月）
- 上下文学习调查（2022 年 12 月）
- 朝着大型语言模型的推理：一项调查（2022 年 12 月）
- 大型语言模型的新兴能力（2022 年 6 月）
- 文本到图像生成的提示修饰器分类（2022 年 4 月）
- 训练、提示和预测：自然语言处理中提示方法的系统调查（2021 年 7 月）
技术/方法：
- 可扩展的语言模型半监督学习提示生成（2023 年 2 月）
- 通过提示约束界定大型语言模型在开放文本生成中的能力范围（2023 年 2 月）
- À-la-carte Prompt Tuning（APT）：通过可组合的提示结合不同的数据（2023 年 2 月）
- GraphPrompt：图形神经网络的预训练和下游任务的统一（2023 年 2 月）
- 大型语言模型在道德自我纠正中的能力（2023 年 2 月）
- SwitchPrompt：为低资源域中的分类学习领域特定的门控软提示（2023 年 2 月）
- 评估离散提示的鲁棒性 (Feb 2023)
- 上下文学习的组合示例 (Feb 2023)
- 硬提示变得容易：基于梯度的离散优化用于提示调整和发现 (Feb 2023)
- 多模态连锁思维推理在语言模型中 (Feb 2023)
- 大型语言模型容易被无关的上下文分散注意力 (Feb 2023)
- 合成提示：为大型语言模型生成思维演示 (Feb 2023)
- 渐进提示：语言模型的持续学习 (Jan 2023)
- 批处理提示：LLM API 的高效推理 (Jan 2023)
- 再想想，让我们不要一步一步地思考！零点推理中的偏见和毒性 (Dec 2022)
- 宪政 AI：来自 AI 反馈的无害性 (Dec 2022)
- 连续提示：解决复杂问题 (Dec 2022)
- 通过模型编写的评估发现语言模型行为 (Dec 2022)
- 结构提示：将上下文学习扩展至 1000 个例子 (Dec 2022)
- PAL：程序辅助语言模型 (Nov 2022)
- 大型语言模型是人类级别的提示工程师 (Nov 2022)
- 忽略先前提示：语言模型的攻击技术 (Nov 2022)
- 机器生成文本：威胁模型和检测方法的综合研究 (Nov 2022)
- 通过上下文学习教授算法推理 (Nov 2022)
- 通过自然语言推理增强预训练语言模型的自我一致性和性能 (Nov 2022)
- 随便问问：提示语言模型的简单策略 (Oct 2022)
- ReAct：在语言模型中协同推理和行动 (Oct 2022)
- 提示 GPT-3 可靠 (Oct 2022)
- 分解提示：解决复杂任务的模块化方法 (Oct 2022)
- 语言模型是贪婪的推理者：思路链的系统形式分析 (Oct 2022)
- 通过手工设计的对抗性例子评估预先训练语言模型的易感性（2022 年 9 月）
- Promptagator：从 8 个例子中获取少量的密集检索（2022 年 9 月）
- 推动语言模型变得更好的推理者（2022 年 6 月）
- 大型语言模型是零点推理者（2022 年 5 月）
- MRKL 系统：一种模块化的神经符号架构，结合大型语言模型，外部知识源和离散推理（2022 年 5 月）
- 通过生成提示的毒性检测（2022 年 5 月）
- 学习转移提示以用于文本生成（2022 年 5 月）
- 少量提示的文本推理说明的不可靠性（2022 年 5 月）
- 用于文本到图像生成的提示修改器分类（2022 年 4 月）
- PromptChainer：通过可视化编程链接大型语言模型提示（2022 年 3 月）
- 自我一致性提高语言模型的思路链推理（2022 年 3 月）
- 使用人类反馈训练语言模型以执行指令
- 重新审视示范的作用：什么使上下文学习成功？（2022 年 2 月）
- 想法链接提示引发大型语言模型的推理（2022 年 1 月）
- 展示你的工作：与语言模型中间计算的暂存器（2021 年 11 月）
- 基于生成知识提示的常识推理（2021 年 10 月）
- 多任务提示训练可实现零射击任务泛化 (Oct 2021)
- 重构指令提示以适应 GPTk 的语言 (Sep 2021)
- 文本到图像生成模型的设计准则 (Sep 2021)
- 使预训练语言模型成为更好的少样本学习器 (Aug 2021)
- 神奇有序的提示及其位置：克服少量提示顺序敏感性 (April 2021)
- BERTese：学会与 BERT 交谈 (April 2021)
- 参数有效的提示调整的规模之力 (April 2021)
- 大型语言模型的提示编程：超越少量提示范式 (Feb 2021)
- 使用前校准：提高语言模型的少样本性能 (Feb 2021)
- 前缀调整：优化用于生成的连续提示 (Jan 2021)
- AutoPrompt：通过自动生成的提示从语言模型中提示知识 (Oct 2020)
- 语言模型是少量学习者 (May 2020)
- 我们如何知道语言模型知道什么？ (July 2020)
应用：
- 格林童话：使用 Midjourney 进行提示工程以诠释童话故事 (2023 年 2 月)
- LabelPrompt：有效的基于提示的关系分类学习 (2023 年 2 月)
- 深度神经网络的提示调整，用于说话人适应的视觉语音识别 (2023 年 2 月)
- 大型语言模型中的道德自我纠正能力 (2023 年 2 月)
- 多模态仇恨 Meme 分类的提示 (2023 年 2 月)
- PLACES：提示语言模型以合成社交对话 (2023 年 2 月)
- 基于常识的提示，用于可控的移情对话生成 (2023 年 2 月)
- 爬取语言模型的内部知识库 (2023 年 1 月)
- 法律提示工程，用于多语言法律判断预测 (2022 年 12 月)
- 探索扩散模型中的提示工程 (2022 年 11 月)
- 学习解释：通过思维链进行多模态推理，用于科学问题解答 (2022 年 9 月)
- 与 Copilot 交谈：探索使用自然语言解决 CS1 问题的提示工程 (2022 年 10 月)
- 驾驶 Copilot 和 Codex：高温、低提示，还是黑魔法？ (2022 年 10 月)
- 从头开始编写情节预训练语言模型 (2022 年 7 月)
集合：

工具 & 库

(按名称排序)

数据集

(按名称排序)

博客、指南、教程和其他文章

(按名称排序)

如果你认为缺少了什么，欢迎提交一个 PR。也欢迎反馈和建议。

About

关于提示工程的技术文章汇总和翻译

MIT License

Languages

Language:Jupyter Notebook 100.0%

he2dou / Prompt-Engineering-Guide-Cn

提示工程指南

Table of Contents

目录

讲座

指南

论文

工具 & 库

(按名称排序)

数据集

(按名称排序)

博客、指南、教程和其他文章

(按名称排序)

About

Languages