【NLP】再见了，提示~ 谷歌发布自适应提示方法，从此告别提示工程！
共 9144字，需浏览 19分钟
· 2023-11-09
作者 | 谢年年、ZenMoore
大模型虽好，但却存在着一个恼人的问题：大模型回答得好不好，取决于我们问题问得怎么样。一个好的、详细的问题往往可以产生惊人的效果...
所以... ChatGPT 问世之后，最火的书可能不是《ChatGPT 技术原理》，而是《提示工程（Prompt Engineering）指南》（如何让 ChatGPT 更能听懂你的问题）。
一时间，全球人民都捧起了这本“咒语”教程，开始背诵各种各样的“施咒”技巧，比如“Let's take a breath...”，比如“You are my grandma...”，比如...
但是够了！真正的人工智能是不需要解释的，你解释得越多，智能就越智障。理想的情况是，大模型可以帮你对问题进行合理的解释，帮你把一个简陋的问题变成一个好问题，就像 DALL·E 3 的原理那样（p.s., DALL·E 3 使用 GPT-4 来优化用户提示，从而提升图像和用户需求的一致性）。
幸运的是，最近谷歌发布了一篇博客，一口气介绍了两篇相关论文，可能有望帮助我们摆脱繁琐的提示工程...
文章概览
LLM在少样本学习和零样本学习中所展现的问题解决能力令人惊喜，这大大降低了对标注数据的强依赖性。仅需一点点prompt魔法，就可以获得不错的效果。
比如零样本方法可以直接提出需求而不需要提供样例示范，其操作简单且普适性强，但对模型的指导完全依赖模型内部知识，性能通常较弱。
少样本学习相比零样本来说，通过提供示范能更好地指导LLM输出答案，但前提是给出的是一个高质量的示范，否则可能比没有示范还要糟糕。
来看一个数学推理问题的例子：给问题添加一个正确的示范可以引导出对测试问题的正确解答（Demo1与问题），而添加一个错误的示范（Demo2与问题，Demo3与问题）会导致错误的答案。其中Demo2是一个正确但推理过程重复的示范，这也导致了最终输出重复；Demo3提供的则是一个答案错误的示范。
由此可见，样本示范的选择对LLM生成质量有很大的影响。
但对于复杂任务来说人工构造高质量示范样本难度很大，特别是对于需要领域知识的任务，如长文章摘要或医疗问题回答。因此自动生成可靠示范是非常有必要的。
为了解决这个困境，谷歌团队提出了一种名为 Consistency-Based Self-Adaptive Prompting（COSP）的方法，无需人工构造样本，仅使用无标签样本（通常容易获取）和模型自身的预测输出，即可构建LLM的伪示范，在推理任务中大大缩小了零样本和少样本之间的性能差距。同时本文还将这个思想扩展到广泛的通用自然语言理解（NLU）和自然语言生成（NLG）任务，在多个任务上展示了其有效性。这两篇工作分别被 ACL2023 和 EMNLP 2023 接收。
谷歌博客：
https://blog.research.google/2023/11/zero-shot-adaptive-prompting-of-large.html
论文一标题：
Better Zero-shot Reasoning with Self-Adaptive Prompting
论文一链接：
https://aclanthology.org/2023.findings-acl.216/
论文二标题：
Universal Self-Adaptive Prompting
论文二链接：
https://arxiv.org/pdf/2305.14926.pdf
论文一：COSP
如果LLM对自己的答案很“自信”，那么应该在多次调用下输出相同答案，如果是这样，就说明该答案更可能是正确的，其置信度就比较高。因此可以考虑使用高置信度的输出及其输入作为伪示范。之所以叫做伪示范，是因为示范样例的答案仍然是LLM生成的并且没有经过真实答案检验。
基于此设想，COSP 方法的步骤如下：
-
将每个无标签的问题输入到LLM中，通过多次采样，模型将获得多个包含问题、生成的推理过程和答案的示范，并为其分配一个分数，以反映答案的一致性。输出次数越多的答案分数越高。 -
除了偏好更一致的答案外，COSP还惩罚回答中的重复问题（即重复的词语或短语），并鼓励选择多样性的示范。将一致的、非重复和多样化输出的偏好编码为一个评分函数，该函数由三个评分的加权和组成，用于选择自动生成的伪示范。 -
将伪示范与测试问题一起输入LLM中，并获得该测试问题的最终预测答案。
论文二：USP
COSP专注于推理问答任务，这些问题有唯一答案很容易测量置信度。但是对于其他任务，比如开放式问答或生成任务（如文本摘要），则会变得困难。为了解决这个限制，作者引入了USP（Uncertainty-based Self-supervised Prompting），将该思想推广到其他常见的NLP任务上。
选择伪示范的方法因任务类型变化而有所不同：
-
分类（CLS）：LLM生成预测，使用神经网络计算每个类别的 logits, 并基于此选择置信度较高的预测作为伪示范。
-
短文本生成（SFG）：这类问题类似于问答任务，可以使用COSP中提到的相同步骤进行处理，LLM生成多个答案，并对这些答案的一致性进行评分。一致性较高的答案被选择作为伪示范。
-
长文本生成（LFG）：这类问题包括摘要和翻译等任务，通常是开放式的，即使LLM非常确定，输出也不太可能完全相同。在这种情况下使用重叠度度量，计算不同输出对于相同查询的平均ROUGE分数，选择具有较高重叠度的作为伪示范。
总的来说，在第一个阶段，针对不同的任务类型，调用语言模型对无标签数据生成输出，并基于 logit 熵值、一致性或者重叠度等指标进行置信度打分，最后选择置信度高的样本作为上下文示范。在第二阶段，将这些伪的上下文示范作为语言模型输入的一部分，对测试数据进行预测。
实验结果
如图1所示，通过三个LLM在六个算术和常识推理问题上进行比较，相同的计算资源条件下，COSP方法在零样本设置下取得了更好的性能。通过自动生成的示范和策略性的选择示范，COSP能够提供更一致和相关的答案，从而提高了模型的推理能力。
如图2所示，对于USP，作者将分析扩展到更广泛的任务范围，包括超过25个分类任务、短文生成和长文生成任务。可以看到在不同的任务中，USP超越了zero-shot基准。
本文还针对BIG-Bench Hard任务进行了测试，如图3所示，每一行代表一个任务。以前LLM在这些任务中表现不如人类，而现在大部分任务上LLM都超越了人类的平均表现。而USP同样优于基线，即使是与人工制造的提示样本（图中3-shot）相比也具备一定的竞争力。
结论
总的来说，本文提到的COSP和USP方法通过自动构造伪样本的方式弥合了零样本与少样本之间的差距，对自然语言理解与生成一系列广泛的任务都适用。
加上前几天，我们解读的一个小妙招从Prompt菜鸟秒变专家！加州大学提出PromptAgent，帮你高效使用ChatGPT！文章中提到模型可以自动迭代优化Prompt，将平平无奇的prompt打造成媲美专家设计的prompt。现下，模型还可以自动生成伪示范，提升零样本的能力。继续发展下去，prompt工程师一职会不会也快要失业了呢？
往期精彩回顾
交流群
欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的微信号加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）