本文提供了一份關於人工智慧系統生成中暗示工程技術的全面調查報告。它旨在建立對暗示工程的結構化理解。它提供了由33個術語組成的詳細詞彙表、58個大型語言模型的暗示技術分類以及其他模式中的40種技術，並提供了暗示工程的最佳實踐和指南。
論文標題： 快速報告：快速工程技術的系統調查（中文可翻譯為《提示報告：提示工程技術的系統總結》）
arXiv編號： 2406.06608，首次提交於2024年6月6日，最新修訂版（v6）發布於2025年2月26日
核心內容概述
本文重點討論「提示工程在該領域，通過系統的文獻調查，明確了該領域的術語、技術、方法和實踐。
1.術語和技術分類
- 建立33個相關術語的詞彙，有助於清楚地提醒工程中常用的概念
2.技術體系及列表
- 提出58種純文本提示技術;
- 還彙編40種多模式提示技術（如圖像、音頻、視頻等）
3.方法和策略
- 包含「元分析」來系統評估與自然語言中的後綴提示相關的文獻。
- 分析了各種文本提示策略，例如：
- 上下文學習（ICL）
- Zero-Shot
- 思想一代
- 分解
- 合奏
- 自我批評 等
4.拓展領域
- 不僅限於英文文本，還涵蓋多種提示、提示模板語言選擇、機器翻譯、圖像/音頻/視頻/3D多模態提示等。
- 探索高級應用方向，例如：工具使用代理、代碼生成代理、RAG（檢索增強生成） 和其他內容
5.實用指南和安全評估
- 提供如何最佳做法和指導，特別適合當前主流機型（例如ChatGPT）
- 提出評估警報技術並討論安全問題（例如警報攻擊風險）的方法
6.總結與定位
- 作者的團隊來自OpenAI、史丹福大學、微軟等眾多頂級研究機構。本文被認為是迄今為止對即時工程最全面、最系統的評論。
總結（簡明版）
本文通過系統的文獻回顧創建了一個完整的提醒項目術語體系與技術分類，涵蓋文本和多模式提示方法，並根據實際應用需求提供操作建議和安全考慮，可以視為該領域的「程式性資源」。
您可能感興趣的方向
- 詳細細分某些類型的激勵技術（如自我批評、合奏等）的定義和應用？
- 比較文本提示和多模式提示和應用場景之間的相似之處和不同之處？
- 有關工程最佳實踐和常見陷阱的總結提示？
- 探索在多語言或工具使用代理模型中促進技術的潛力和挑戰？
原文：https://arxiv.org/abs/2406.06608
輸油管：