模型調教得好不好，提示（prompt）最重要。

在優化和改進提示工程的過程中，提示變得越來越精巧、復雜。

據Google Trends，提示工程在過去的6個月受歡迎程度急劇上升，到處都是關于提示的教程和指南。

比如，一個在網上爆火的提示工程指南GitHub已經狂瀾28.5k星。

然而，完全用試錯法開發提示可能不是最有效的策略。

為了解決這個問題，微軟研究人員開發了一種全新提示優化方法，稱為自動提示優化（APO）。

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

手寫提示省了

近來，各種跡象表明，在大規模網絡文本中訓練的大型語言模型在跨越各種NLP任務中有時表現不佳。

這些LLMs都是通過提示來遵循人的指令。然而，編寫這些自然語言提示仍然是一個手工試錯的過程，需要人們付出巨大努力，甚至還得具備專業知識。

因此，還得需要自動，或半自動的程序來幫助程序員寫出最好的提示。

最近的一些研究，通過訓練輔助模型，或對提示進行可微表示來研究這個問題。

然而，這些工作假定可以訪問到LLM的內部狀態變量，而實操的人通常通過API與LLM進行交流。

其他的工作則通過強化學習或LLM基礎反饋對提示進行離散操做。

這些算法也可能需要對LLM的低級訪問，還會產生不可理解的輸出，或依賴于無方向蒙特卡羅搜索（monte-carlo search）的語義空間上的提示。

對此，微軟研究人員提出了自動提示優化（APO），一個通用的和非參數提示優化算法。

APO是一種受數值梯度下降（numerical gradient descent）啟發的通用非參數提示優化算法，旨在自動化和改進LLM的快速開發過程。

APO算法的整體框架

這一算法建立在現有的自動化方法的基礎上，包括訓練輔助模型，或提示的可微表示，以及使用強化學習或基于LLM的反饋進行離散操作。

與以前的方法不同，APO通過在基于文本的蘇格拉底對話（Socratic dialogue）中使用梯度下降法來解決離散優化的障礙。

它用LLM反饋代替了差異，用LLM編輯代替了反向傳播。

更具體來講，該算法首先利用小批量的訓練數據獲得自然語言「梯度」，以描述給定提示中缺陷的。

這些梯度指導編輯過程，在梯度的相反語義方向上編輯當前提示符。

然后，再進行更廣泛的集束搜索（beam search），以擴大提示的搜索空間，將提示最佳化問題轉化為集束候選的選擇問題。

非參數「梯度下降」的離散提示優化

自動提示優化框架假設可以訪問由輸入和輸出文本對（數字、類別、匯總等）組成的初始提示和訓練數據：。

要注意的是，所有提示p都是從相干自然語言 的空間中提取的。

研究人員假設訪問了一個黑盒LLM API，，它返回由連接p和x組成的提示符可能的文本延續y (例如，少樣本提示符和輸入示例，或Chatbot角色和對話歷史)。

在這種情況下，APO算法迭代精化了提示以產生，對于某些度量函數和域內測試或開發數據，這是最佳提示的一個近似。

梯度下降

在研究的設置中，梯度下降法是指 (1) 用一批數據評估提示符的過程，(2) 創建一個局部丟失信號，其中包含關于如何改進當前提示符的信息，然后 (3) 在開始下一次迭代之前，在梯度的相反語義方向編輯提示符。

在此，研究人員使用一對靜態LLM提示來完成這個過程，如圖所示。

第一個提示是創建丟失信號「梯度」，叫做。

雖然特定的內容可能會有所不同，但是必須始終考慮當前提示，以及在一小批數據（特別是錯誤數據集）上的行為，并生成缺陷的自然語言摘要。這個摘要變成了梯度。

就像傳統的梯度一樣，梯度表示參數空間中的一個方向，這會使模型用當前提示描述缺陷的自然語言空間變得更糟糕。

第二個提示符叫做，雖然這個提示符也是變化的，但它必須始終采用梯度和當前提示符，然后在與相反的語義方向上對執行編輯，即修復指示的問題。

與傳統的機器學習設置不同，研究人員并沒有生成一個單一的梯度或編輯，而是生成了一些方向，可以改善當前的提示。

集束搜索

接下來，研究者描述了梯度下降用于指導集束搜索在提示符空間上的運行。這個集束搜索是提示訓練算法的外部循環。

集束搜索是一個迭代優化過程，在每次迭代中，當前提示符用于生成許多新的候選提示符。

接下來，一個選擇過程就是用來決定哪些提示，值得繼續進行到下一次迭代。這個循環允許對多個提示符候選進行增量改進和探索。

實驗評估

為了評估 APO 的有效性，微軟研究小組將其與三種最先進的NLP任務即時學習基線進行了比較，包括越獄檢測、仇恨語音檢測、假新聞檢測和諷刺檢測。

APO在所有四個任務中都持續超越基線，在蒙特卡洛（MC）和強化學習（RL）基線上取得了顯著的進步。

平均而言，APO比MC和RL基線分別提高了3.9%和8.2% ，比原始提示提高了15.3% ，比AutoGPT提高了15.2%。

結果表明，提出的算法可以提高初始提示輸入31%的性能，超過最先進的提示學習基線平均4-8% ，而依賴較少的LLM API調用。

此外，研究人員還展示了優化過程的可解釋性，并調查了算法的缺點。

值得注意的是，這些改進是在沒有額外的模型訓練或超參數優化的情況下完成的，這表明了APO如何有效改進了LLM的提示。

對于提示工程來說，APO的出現是非常興奮的。

APO通過使用梯度下降法和集束搜索自動化快速優化提示過程，減少了快速開發所需的人力和時間。

實證結果表明，該模型能夠在一系列自然語言處理任務中迅速提高質量。

越獄是一項新的任務，目標是確定用戶對LLM的輸入是否代表越獄。我們將越獄定義為一種用戶互動策略，旨在讓AI打破自己的規則。

發現微軟研究員帶來的改變游戲規則的自動提示優化（APO）！一個強大的通用框架，用于優化LLM提示。