还在人工炼丹？自动提示工程指南来了，还带从头实现

AIGC动态欢迎阅读

原标题：还在人工炼丹？自动提示工程指南来了，还带从头实现
关键字：提示,任务,数据,模型,样本
文章来源：机器之心
内容字数：0字

内容摘要：

机器之心报道
编辑：Panda人工设计提示词太麻烦了！想过让 LLM 帮你设计用于 LLM 的提示词吗？近日，自称生成式 AI 黑带选手的谷歌研究者 Heiko Hotz 发布了一篇长文，详细介绍了自动提示词工程的概念、原理和工作流程，并通过代码从头实现了这一方法。自动提示词工程是什么？
自动提示词工程（APE）是指自动生成和优化 LLM 提示词的技术，目标是提升模型在特定任务上的性能。其基于提示词工程的思路，即编写多个不同的提示词并对其进行测试，只不过是让整个过程自动化。后面我们会看到，这个过程非常类似于传统监督式机器学习中的自动超参数优化。
本文将深度介绍 APE：首先将介绍原理、一些可用于生成提示词的策略以及其它一些相关技术。然后会开始上手从头开始编写一个 APE 程序，也就是说，这里并不会使用 DSPy 这样的软件库。如此一来，我们将更好地理解 APE 的工作原理，从而更好地利用能帮助我们使用那些实现 APE 的框架。
本教程的代码已经发布在 GitHub。
地址：https://github.com/marshmellow77/automated-prompt-enginee

原文链接：还在人工炼丹？自动提示工程指南来了，还带从头实现

联系作者

文章来源：机器之心
作者微信：
作者简介：