Automatic Prompt Engineering

本文主要是介绍Automatic Prompt Engineering，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

让大模型自己生成prompt，生成提示（prompt）存在两种不同的操作方式。第一种方式是在文本空间中进行，这种提示以离散的文本形式存在。第二种方式是将提示抽象成一个向量，在特征空间中进行操作，这种提示是抽象的、连续的。

APE

论文地址：https://arxiv.org/abs/2211.01910

候选prompt自动生成

简单来说就是给答案，让LLM去反推prompt长什么样。典型例子如下：

由于LLM大多采用decoder-only结构，所以把需要生成的内容放在最后肯定是最合理的，作者管这种生成方法叫forward generation template。这个template看起来是作者自己设计的，这个template只是一个candidate生成器，评分的时候用的是生成的candidate，和这儿的template无关。

相应的，另一种叫reverse generation template，就是把需要生成的prompt放到文章中的任意位置。

最后一种是根据task不同来制定相应的模板，比如有的task就固定是某种问答结构，这时候你需要和task align一下。

所以这样我们就完成了prompt的自动生成。这里的prompt可以生成很多次（采样），从而生成一个候选集。

评估prompt分数

生成完了候选prompt，接下来就需要想个方法评价哪个prompt比较好。

我们需要先从训练集里取一个子集（就是取一些有gt的训练数据），然后把上一步生成的prompt丢进去。由于我们是有gt的，所以可以比对模型生成gt的概率，生成gt的概率越大说明prompt越好，从某种程度上说和PPL是差不多的东西。

重新采样

经过上述评估之后我们可以留下那些评分高的prompt（由你自己设置top k%），然后把这些好的prompt再送进LLM，让它生成意思相近的prompt，这样相当于再次扩充了候选集，之后可以再进行一轮评估。如此反复迭代即可。

APE针对的场景主要是那种短prompt+固定小任务。比如说我固定了我的任务是“找反义词”，那么我只需要用一些数据去找prompt，这个prompt固定下来之后就不用动了。

OPRO

论文地址：https://arxiv.org/pdf/2309.03409.pdf

在OPRO框架中，有两个主要的大型语言模型（LLM）：一个担任评分者（scorer），负责对提示进行评分；另一个则作为优化器（optimizer），根据给定的提示模板来生成新的提示。

首先，我们向优化器提供一个问题描述（用紫色字体表示，如“做数学题”），以及一些已经过评分的提示和它们的分数（用蓝色字体表示，即这些提示已经被评分者评估过，以判断其准确性）。此外，还会提供一些额外的指令（用橙色字体表示）。

接下来，优化器的任务是根据问题描述和已评分的提示，生成一些新的提示。这些新生成的提示应当旨在获得尽可能高的分数。一旦生成了新的提示并获得了它们的分数，我们就会将这些新的提示-分数对加入到之前的蓝色字体部分。如果存在长度限制，我们可能会移除一些分数较低的提示-分数对，以保持提示集的精简和高效。

INSTINCT

如何给ChatGPT正确的prompt？

在强化学习中，我们面临着exploration-exploitation dilemma。想象一下，你想要出售一台二手电脑，你去了市场，第一个人出价50元，你可以选择立即卖给他（exploitation利用），但如果你认为价格不够理想，你可以选择继续寻找下一个买家（exploration探索）。然而，一旦你决定继续寻找，你就不能回头了。下一个买家的出价可能低于50元，也可能高于50元，这就是探索与利用之间的dilemma两难选择，也被称为bandit问题。通过bandit算法，你可以做出“某种选择”。

这个例子虽然简单，但在实际的强化学习场景中，搜索空间可能非常庞大（比如你有100件商品要卖，每件商品都有100个潜在的买家），在这种情况下，遍历整个搜索空间是不切实际的。为了克服这个难题，研究者们提出了一系列专门的算法，例如INSTINCT中采用的NeuralUCB算法，它就是一种bandit问题的算法。

迭代流程

INSTINCT的何改

INSTINCT的改进主要体现在两个方面：首先是提示生成的方式，其次是迭代逻辑的优化。

在提示生成方面，APE采用的传统方法是给定一个模板后生成候选提示；OPRO的提示生成方式本质上相似，但采用了更先进的生成技术（APE更像是随机抽样，而OPRO则通过不断更新条件来进行抽样）。INSTINCT则采用了全新的方法，它通过在隐空间中生成软提示（soft prompt）来得到所需的提示。这种方法的巧妙之处在于，尽管最终得到的提示是离散的，但在操作过程中却是在连续的提示空间中进行，这使得许多优化变得可能。

在迭代逻辑方面，APE的方法相对简单，它直接利用大型语言模型（LLM）根据现有提示生成语义相似的提示，而且这一步骤是可选的。OPRO的迭代方法更为先进，它提供了大量示例和评分；但是，将LLM作为优化器的方法似乎缺乏逻辑依据。

INSTINCT的迭代逻辑则更加现代化，它采用了NeuralUCB算法来迭代优化软提示，从而控制真实提示的生成。换句话说，在第一步训练的评分网络中，实际上蕴含了判断“哪个提示更好”的知识，然后通过NeuralUCB算法利用这些知识寻找“可能更好的提示”。如果找到了更好的提示，那自然是最理想的结果；即使没有找到，这也相当于对训练集进行了一次采样。

总的来说，INSTINCT的方法在技术上比前两者更为优雅，而且在结果上也表现得更好。