输入“/”快速插入内容

Cookbook：OpenAI 中文精读

译者：万能的小七姐（B站同名）

《提升可靠性的技术》

当 GPT 在任务中失败时，应该怎么办？

•
寻找一个更好的提示词，引出更可靠的答案？​

•
投入数千个实例来微调自定义模型？​

•
假设模型无法完成任务，然后继续进行其他工作？​

回答并不唯一  —— 这取决于具体情况。不过，如果您的任务涉及逻辑推理或复杂性，请考虑尝试本文中的技巧，以建立更可靠、更高效的提示词。​

GPT-3 为何无法完成复杂任务

如果让你用 13 乘以 17，你会立即想到答案吗？对我们大多数人来说，可能不会。然而，这并不意味着人类无法计算两位数乘法。只要几秒钟，再加上纸笔，就能算出 13 x 17 = 130 + 70 + 21 = 221。​

同样，如果你给 GPT-3 一项过于复杂的任务，而它又无法在计算下一个标记的时间内完成，那么它可能会做出错误的猜测。然而，与人类类似，这并不一定意味着模型无法完成任务。只要给模型一些时间和空间来推理，它还是有可能做出可靠的回答。​

举例来说，如果你向 text-davinci-002 提出以下有关杂耍球的数学问题，它的答案是错误的：​

问：一个变戏法的人有 16 个球。其中一半是高尔夫球，一半是蓝色的高尔夫球。有多少个蓝色高尔夫球？​
A:有 8 个蓝色高尔夫球。​

这是否意味着 GPT-3 不能做简单的数学题？不；事实上，事实证明，只要用让我们一步一步地思考来提示模型，模型就能可靠地解决问题：​

问：一个变戏法的人有 16 个球。其中一半是高尔夫球，一半是蓝色的高尔夫球。一共有多少个蓝色高尔夫球？​
答：让我们一步一步思考。​

共有 16 个球。​
其中一半是高尔夫球。​
也就是说，一共有 8 个高尔夫球。​
一半的高尔夫球是蓝色的​
也就是说，有 4 个蓝色高尔夫球。​

当然，仅凭一个例子，我们很难判断 "让我们一步步思考 "这一招在一般情况下是否真的有效，或者只是在这个特殊问题上运气好而已。但它确实有效。在单词数学问题的基准测试中，"让我们一步一步想 "的技巧大大提高了 GPT-3 的解题率，从毫无价值的 18% 提高到了不错的 79%！​

模型能力取决于环境

在学习使用 GPT-3 时，一个常见的概念性错误是认为 GPT-3 的能力在所有情况下都是固定不变的。例如，如果 GPT-3 做错了一道简单的逻辑题，那么它就一定不会做简单的逻辑题。​

但正如 "让我们一步步思考 "的例子所说明的，GPT-3 的明显故障有时可以通过一个更好的提示词来弥补，帮助模型引导自己走向正确的输出。​

如何提高复杂任务的可靠性

本文其余部分将分享在复杂任务中提高大型语言模型可靠性的技术。虽然有些技术是针对某些特定类型的问题，但其中许多技术都是建立在一般原则基础上的，可以应用于广泛的任务，例如：​

•
给出更明确的指示​

•
将复杂任务拆分成更简单的子任务​

•
调整教学结构，使模型始终处于任务状态​

•
在回答前提示词模型进行解释​

•
要求对许多可能的答案进行解释，然后综合起来​

•
生成许多输出，然后使用模型挑选最佳输出​

•
微调自定义模型，最大限度地提高性能​

Cookbook：OpenAI 中文精读​