提升GPT-4性能的高效指南！强烈推荐收藏使用！

近日，几位学者发布了一篇研究大型语言模型性能提升的论文。他们对GPT-3.5/4和LLaMA-1/2等模型进行了深入分析和实验验证，总结出26个关键原则以提高性能。这些原则涵盖了提示结构、具体性、用户交互、内容风格和复杂任务处理等多个方面。研究显示，在人工设计的ATLAS基准测试中，应用这些原则后，GPT-4在回答质量和准确性方面分别提升了57.7%和67.3%。

类别一：内容语言

在与ChatGPT交流时，遵循以下原则可以提高效率：首先，避免过度使用礼貌用语如“请”、“谢谢”，直接提出指令有助于模型更准确地理解和响应。由于大型语言模型（LLM）主要关注命令的理解和执行，过多的礼貌用语可能导致歧义。其次，采用肯定的、明确的表达方式，去掉否定或不明确的措辞，有助于清晰传达意图和需求，减少误解，使ChatGPT能更有效地完成任务。
原则三和四强调在与ChatGPT交流时采用更人性化和客观的方式。首先，建议使用自然和人性化的表达方式来提问，这样的语言更易于理解和记忆，尤其在解释复杂概念时效果更佳。其次，为了确保ChatGPT的回答客观无偏，建议在提示中强调避免偏见和成见。这种方式有助于ChatGPT提供更准确、公正的回答，提升模型的整体性能和可靠性。

类别二：人机交互

在使用大型语言模型时，重要的是根据目标听众调整指令，以便模型适应合适的回答风格。例如，若听众是儿童，使用简单的语言和概念。此外，直接告知ChatGPT其任务，使用“你的任务是”来明确指示，避免使用“我希望”等主观表达，这有助于提升模型的执行效率。然后是涉及激励和约束机制，通过奖励或惩罚方式来提高ChatGPT的表现。同时，允许ChatGPT反向提出问题，以获取更详细的信息，增强其输出的准确性。原则五是通过赋予模型特定角色来增进交互效果，尤其在需要专业知识的情景中，这样的角色设定有助于模型更准确地理解和满足用户需求，提供更专业的答案。

类别三：提示结构和清晰度

结构化提示词一直是提示词领域的主流结构之一，适合新手入门以及后期维护。这篇论文中给出了一个比较简单的结构化模块：

以“###Instruction###”开头；接着是“###Example###”或“###Question###”；然后呈现你的内容。

使用一行或多行空白行分隔指令、示例、问题、背景和输入数据。比如我们用GPT获取关于如何改进团队沟通效率的建议，那就可以使用这种格式来创建提示词

首先明确指令：提高沟通效率的建议。

接着提供一个具体的例子：每日站立会议，帮助模型了解你需要的信息类型。最后提出相关问题，进一步指导模型提供更具体和相关的建议。通过这样的结构化提示，就能够有效地引导模型，以此获得更准确和有用的回答。

使用分隔符
“使用分隔符”和“结构化指令”其实在实际应用中有重叠，但这两个原则侧重的方面略有不同。“结构化指令”强调在构造指令时的整体结构和清晰度，确保指令的各个部分都被明确区分和组织，以便模型能够更好地理解和执行。而“使用分隔符”更偏向于在提示中使用明确的标记或字符来分隔不同部分的技巧。这是“结构化指令”的一种具体做法，用于清晰分隔指令中的不同元素，比如指令、例子和问题。比如OpenAI官方指导手册就明确指出使用三引号、XML标记、节标题可以帮助划分要区别对待的文本部分。