论文撰写的提示词

1.目标明确：不管是CoD、CoT还是ToT，确保每一步的目标清晰是非常重要的。AI需要明确的指导才能产生相关和有价值的输出。2.逻辑性：在所有提示策略中，逻辑性都是关键的。清晰、结构化的提示可以帮助AI更有效地生成输出。3.分步骤：无论是进行深度分析（如CoT）还是遵循特定的结构（如CoD），确保提示按照清晰的步骤进行是至关重要的。4.考虑变量：这在ToT中尤为重要，因为您可能会根据不同的情境或条件提供多个分支或选项。但无论在哪种情境中，都需要考虑到可能会影响结果的所有因素。所以，是的，这些原则在所有提示策略中都是通用的，且同样重要。您的观察非常精准，这些原则的通用性强调了它们在有效沟通和指导AI方面的重要性。</continuous prompts>四、【实验十二】运用CoD将文章做摘要我们尝试把之前的一篇文章，透过CoD提示做摘要（使用文章请参阅：AI如何改善保险服务价值链？——从服务体验设计服务策略开始）。提示词部分前面已分享，下面是GPT的五轮输出，摘要由粗颗粒度到细颗粒度，并分别用中英文两种方法撰写提示词。个人观点，以英文提示词最后加上中文输出的方式，效果较全中文好些，并且无论是以中文或英文写提示词，密度等级4的结果都比较让人满意（密度等级5显得过于精简而有点不知所云），这与论文结果－“总体得分倾向于更密集、信息量更丰富的摘要，其中第4轮得分最高”的结果一致。供参考。<CoD prompting>方法一：以下以中文撰写提示词的回复。【GPT】密度等级1：“Missing_Entities”：“AI在医疗大模型中的准确度;保险销售基于信任;GPT作为业务人员的个人助理“，

阅读完整篇文章之后需要花费大量时间总结和梳理文章内容，而大模型可以结合有效的提示词，迅速总结概括文档，从而节省时间。[heading3]论文总结提示词[content]GLM-4-Plus结合良好的提示词能够帮助学生快速总结论文内容，提高论文梳理的效率。[heading4]总结示例[content]论文内容总结结果示例：[heading3]论文内容翻译[content]学生在阅读文献时，由于语言差异，常常需要依赖翻译工具。然而，而且现在市面上的翻译软件由于字数限制不能直接对整篇文章进行处理，大模型可以弥补这一不足，帮你更快更好地理解原文，让你高效掌握论文核心内容。[heading4]论文内容翻译提示词[content]GLM结合良好的提示词能够帮助学生快速翻译论文内容，提高论文阅读效率。[heading4]翻译示例[content]翻译结果示例：[heading3]论文内容扩写润色[content]我们可以继续将论文内容转化为社交媒体的科普内容，将复杂学术知识普及化。这不仅仅是简单的翻译，而是需要将那些充满术语和专业词汇的学术语言，转换成普通大众能够轻松理解、并且感兴趣的表达方式。[heading4]论文总结内容润色提示词[content]精心设计的润色提示词可以根据特定场景进行调整，以便生成与特定平台风格相匹配的多样化润色结果。这里是针对小红书的使用场景，调整提示词以匹配其特有的口语化、轻松愉快的氛围，从而将论文中的结论部分润色成适合在小红书上分享的生活化内容。[heading4]润色示例（小红书科普）[content]通过精心设计的润色提示词，我们能够确定不同的润色风格，从而生成多样化的润色结果。在这里，我们将论文中的结论部分稍加润色，使之更易于在小红书上分享，转化为贴近生活的帖子，让复杂的学术知识以通俗易懂的方式呈现，吸引更多普通大众的关注和兴趣。论文中结果部分：润色后结果展示：

我们证明，通过将PromptAgent应用于涵盖三个实用且不同领域的12个任务：BIG-Bench Hard(BBH)(Suzgun等人,2022)，以及特定领域和一般的NLP任务，PromptAgent能够发现有生产力的专家级提示词。从一个初始的人工编写的提示词和一小组训练样本开始，PromptAgent不仅大大提高了初始人类提示词的性能，而且还显著超越了强大的Chain-of-Thought(CoT)和近期的提示词优化基线。例如，图2显示PromptAgent在GPT-3.5、GPT-4和PaLM 2中始终优于人类和自动提示词工程师(APE)(Zhou等人,2022)的基线，分别比APE提高了9.1%、7.7%和6%。大量的定性结果进一步突显了优化提示词的专家级方面，表明PromptAgent有效地弥补了具有挑战性任务中的领域差距，提供了极高的探索效率和普遍性。随着我们预期更为强大的LLM的出现，这些LLM能够理解复杂的指令，我们相信专家级的提示词引导将引领提示词工程的下一个时代，在这一研究方向中，PromptAgent站在了一个开创性的步骤上。