原论文标题:《Chatbots in science: What can ChatGPT do for you?》
hatGPT 于 2022 年 11 月推出,震惊了世界。由位于加利福尼亚州旧金山的 OpenAI 创建的人工智能 (AI) 聊天机器人由大型语言模型 ( LLM ) 提供支持,并根据互联网上发布的大部分文本进行训练,使通过提供能够回答复杂问题、撰写复杂论文和生成源代码的基于对话的界面,可以广泛获取自然语言处理的最新进展。一个明显的问题是:这一工具如何改进科学?
要有效地使用聊天机器人,您需要良好的提示。这听起来似乎是显而易见的,但当该工具无法回答一个不清楚的问题时,我的一些同事仍然会感到沮丧并放弃。这是可以理解的:公众一直被这些模型“智能”的想法轰炸,因此认为他们应该理解你提出的任何问题是有道理的。但事实并非如此,这就是为什么即时工程已成为该领域快速发展的学科。
良好的提示设计有很多细微差别,但基本原则很简单:
明确您希望模型做什么(使用“总结”或“解释”等命令)。
要求模特扮演一个角色或角色(“你是一名专业的文案编辑”)。
提供真实输入和输出的示例,可能涵盖棘手的“极端”情况,向模型展示您希望它做什么。
指定模型应如何回答(“向对表观遗传学有基本了解的人解释”),甚至指定确切的输出格式(例如,作为分析友好的 JSON 或 CSV 文件)。
(可选)指定字数限制、文本是否应使用主动语态或被动语态以及任何其他要求。查看“提示工程备忘单”以获取更多提示。
例如:
您是一位专业的文案编辑,拥有丰富的处理科学文本的经验。修改手稿中的以下摘要,使其遵循上下文-内容-结论方案。 (1) 上下文部分向读者传达论文将填补的空白。第一句话通过介绍更广泛的领域来引导读者。然后,范围缩小,直到涉及研究回答的开放问题。成功的背景部分将研究的贡献与当前的技术水平区分开来,传达文献中缺失的内容(即具体差距)以及为什么重要(即具体差距与更广泛的背景之间的联系) 。 (2) 内容部分(例如,“这里,我们……”)首先描述用于填补空白的新方法或途径,然后提出结果的执行摘要。 (3) 结论部分解释结果以回答上下文部分末尾提出的问题。结论部分可能有第二部分,强调该结论如何推动更广泛的领域向前发展(例如,“更广泛的意义”)