LLM准确率飙升27%！Google DeepMind推出全新「后退一步」提示技术

人工智能

2023-04-20 19:57:21

提高大型语言模型准确性的“后退一步”提示技术

随着人工智能的快速发展，大型语言模型（LLM）因其卓越的理解和生成人类语言能力而备受瞩目。然而，准确性一直是困扰着LLM的问题，阻碍了它们在需要高度可靠性的领域中的应用。

近日，谷歌DeepMind的研究人员开发出了一种革命性的“后退一步”提示技术，旨在解决LLM的准确性难题。这一技术通过在提示中加入一个额外的“后退一步”步骤，引导LLM重新审视其输出，并进行必要的修正。

“后退一步”提示技术的原理

“后退一步”提示技术的原理很简单，却令人惊讶地有效。在提示的最后，研究人员添加了一个额外的指令，要求LLM在生成输出之前，对自己的输出进行评估。

如果LLM认为其输出存在问题，它会重新生成输出，直到它认为输出是正确的为止。

显著的提升效果

尽管“后退一步”提示技术看似简单，但它的效果却令人印象深刻。在研究人员的实验中，该技术将LLM的准确率提高了27%。这是一个非常显着的提升，尤其考虑到LLM原本就已经相当准确。

优势和应用

“后退一步”提示技术的优势在于，它可以帮助LLM识别和纠正其输出中的错误。这对于需要高准确率的应用非常有用，例如：

医疗诊断
金融分析
法律咨询

此外，该技术还可以帮助LLM学习新的知识和技能，因为它可以通过不断地评估和纠正自己的输出来改进其性能。

“后退一步”提示技术在自然语言处理领域有着广阔的应用前景，包括：

文本生成
语言理解
搜索
对话
机器翻译
摘要生成
代码生成
问题回答
文本分类
情感分析
语法纠正

代码示例

在Python中使用“后退一步”提示技术：

import deepmind

# 创建一个提示
prompt = "生成一个关于人工智能的文章"

# 添加“后退一步”指令
prompt += "后退一步，评估你的输出，如果它存在问题，请重新生成，直到你认为它正确为止。"

# 调用LLM
output = deepmind.generate_text(prompt)

# 打印输出
print(output)