模型调教得好不好，提示（prompt）最重要。

(资料图)

在优化和改进提示工程的过程中，提示变得越来越精巧、复杂。

据Google Trends，提示工程在过去的6个月受欢迎程度急剧上升，到处都是关于提示的教程和指南。

比如，一个在网上爆火的提示工程指南GitHub已经狂澜28.5k星。

然而，完全用试错法开发提示可能不是最有效的策略。

为了解决这个问题，微软研究人员开发了一种全新提示优化方法，称为自动提示优化（APO）。

论文地址：https://arxiv.org/pdf/2305.03495.pdf

近来，各种迹象表明，在大规模网络文本中训练的大型语言模型在跨越各种NLP任务中有时表现不佳。

这些LLMs都是通过提示来遵循人的指令。然而，编写这些自然语言提示仍然是一个手工试错的过程，需要人们付出巨大努力，甚至还得具备专业知识。

因此，还得需要自动，或半自动的程序来帮助程序员写出最好的提示。

最近的一些研究，通过训练辅助模型，或对提示进行可微表示来研究这个问题。

然而，这些工作假定可以访问到LLM的内部状态变量，而实操的人通常通过API与LLM进行交流。

其他的工作则通过强化学习或LLM基础反馈对提示进行离散操做。

这些算法也可能需要对LLM的低级访问，还会产生不可理解的输出，或依赖于无方向蒙特卡罗搜索（monte-carlo search）的语义空间上的提示。

对此，微软研究人员提出了自动提示优化（APO），一个通用的和非参数提示优化算法。

APO是一种受数值梯度下降（numerical gradient descent）启发的通用非参数提示优化算法，旨在自动化和改进LLM的快速开发过程。

APO算法的整体框架

这一算法建立在现有的自动化方法的基础上，包括训练辅助模型，或提示的可微表示，以及使用强化学习或基于LLM的反馈进行离散操作。

与以前的方法不同，APO通过在基于文本的苏格拉底对话（Socratic dialogue）中使用梯度下降法来解决离散优化的障碍。

它用LLM反馈代替了差异，用LLM编辑代替了反向传播。

更具体来讲，该算法首先利用小批量的训练数据获得自然语言「梯度」，以描述给定提示中缺陷的。

这些梯度指导编辑过程，在梯度的相反语义方向上编辑当前提示符。

然后，再进行更广泛的集束搜索（beam search），以扩大提示的搜索空间，将提示最佳化问题转化为集束候选的选择问题。

非参数「梯度下降」的离散提示优化

自动提示优化框架假设可以访问由输入和输出文本对（数字、类别、汇总等）组成的初始提示和训练数据：。

要注意的是，所有提示p都是从相干自然语言的空间中提取的。

研究人员假设访问了一个黑盒LLM API，，它返回由连接p和x组成的提示符可能的文本延续y (例如，少样本提示符和输入示例，或Chatbot角色和对话历史)。

在这种情况下，APO算法迭代精化了提示以产生，对于某些度量函数和域内测试或开发数据，这是最佳提示的一个近似。

梯度下降

在研究的设置中，梯度下降法是指 (1) 用一批数据评估提示符的过程，(2) 创建一个局部丢失信号，其中包含关于如何改进当前提示符的信息，然后 (3) 在开始下一次迭代之前，在梯度的相反语义方向编辑提示符。

在此，研究人员使用一对静态LLM提示来完成这个过程，如图所示。

第一个提示是创建丢失信号「梯度」，叫做。

虽然特定的内容可能会有所不同，但是必须始终考虑当前提示，以及在一小批数据（特别是错误数据集）上的行为，并生成缺陷的自然语言摘要。这个摘要变成了梯度。

就像传统的梯度一样，梯度表示参数空间中的一个方向，这会使模型用当前提示描述缺陷的自然语言空间变得更糟糕。

第二个提示符叫做，虽然这个提示符也是变化的，但它必须始终采用梯度和当前提示符，然后在与相反的语义方向上对执行编辑，即修复指示的问题。

与传统的机器学习设置不同，研究人员并没有生成一个单一的梯度或编辑，而是生成了一些方向，可以改善当前的提示。

集束搜索

接下来，研究者描述了梯度下降用于指导集束搜索在提示符空间上的运行。这个集束搜索是提示训练算法的外部循环。

集束搜索是一个迭代优化过程，在每次迭代中，当前提示符用于生成许多新的候选提示符。

接下来，一个选择过程就是用来决定哪些提示，值得继续进行到下一次迭代。这个循环允许对多个提示符候选进行增量改进和探索。

为了评估 APO 的有效性，微软研究小组将其与三种最先进的NLP任务即时学习基线进行了比较，包括越狱检测、仇恨语音检测、假新闻检测和讽刺检测。

APO在所有四个任务中都持续超越基线，在蒙特卡洛（MC）和强化学习（RL）基线上取得了显著的进步。

平均而言，APO比MC和RL基线分别提高了3.9%和8.2% ，比原始提示提高了15.3% ，比AutoGPT提高了15.2%。

结果表明，提出的算法可以提高初始提示输入31%的性能，超过最先进的提示学习基线平均4-8% ，而依赖较少的LLM API调用。

此外，研究人员还展示了优化过程的可解释性，并调查了算法的缺点。

值得注意的是，这些改进是在没有额外的模型训练或超参数优化的情况下完成的，这表明了APO如何有效改进了LLM的提示。

对于提示工程来说，APO的出现是非常兴奋的。

APO通过使用梯度下降法和集束搜索自动化快速优化提示过程，减少了快速开发所需的人力和时间。

实证结果表明，该模型能够在一系列自然语言处理任务中迅速提高质量。

越狱是一项新的任务，目标是确定用户对LLM的输入是否代表越狱。我们将越狱定义为一种用户互动策略，旨在让AI打破自己的规则。

发现微软研究员带来的改变游戏规则的自动提示优化（APO）！一个强大的通用框架，用于优化LLM提示。