研究人员用新的提示方法扩展了GPT-4

研究人员使用新的提示方法扩展了GPT-4 微软发布了一项研究，展示了如何通过先进的提示技术提升GPT-4等通用AI模型的性能。研究表明，使用先进的提示技术，GPT-4能够超越那些在特定领域进行训练的专业模型，比如谷歌的Med-PaLM 2模型。 研究中突出的一种技术是“链式思维”(Chain of Thought)推理，它允许AI模型根据推理将任务分成步骤。这种技术使AI模型能够解决复杂的文字问题并实现常识推理。先进的生成式AI用户已经在使用链式思维提示来产生高质量的输出。 研究介绍了一种称为Medprompt的新方法，它将链式思维推理与其他两种技术相结合，以达到卓越的质量水平。在多个与医学相关的数据集上，Medprompt经过对比测试，表现优于四种不同的基础模型。 研究强调，Medprompt技术可以应用于任何知识领域，不仅限于医学领域。通过应用Medprompt原则，用户可以在不需要在特定领域进行广泛的培训的情况下获得出色的结果。 研究还描述了三种提示策略：动态少样本选择、自动生成的链式思维和选择混洗集成。动态少样本选择使AI模型能够在训练过程中选择相关的示例。自动生成的链式思维自动化了链式思维示例的创建，使模型不再依赖于人类专家。选择混洗集成解决了位置偏差和贪婪解码的问题，提高了响应的多样性。 研究论文得出结论，Medprompt技术可以广泛应用于不同的问题领域，为更适应和多功能的生成式AI模型打开了可能性。这一突破减少了在特定领域进行昂贵和耗时的模型训练的需求。 总的来说，该研究展示了AI提示技术的一个有 promising advance，展示了通用AI模型如何通过使用先进的提示方法超越专业模型。