一文汇总大语言模型LLM所有prompt提示词框架的论文出处

能够让大模型推理结果变得更好的基础优化手段已经非常多了，这里梳理了常见的提示技术手段和对应的论文： 

- Zero-shot（零样本提示）：https://arxiv.org/abs/2109.01652

- Few-shot（少样本提示）：https://arxiv.org/abs/2005.14165

- CoT（链式思考提示）：https://arxiv.org/abs/2201.11903

- ToT（思维树提示）：https://arxiv.org/abs/2305.10601

- GoT（Graph of Thoughts）：https://arxiv.org/abs/2308.09687

- SC（自我一致性）：https://arxiv.org/abs/2203.11171

- Multi Persona（多角色）：https://arxiv.org/abs/2307.05300

- Least to Most（从最小到最多）：https://arxiv.org/abs/2205.10625

- Step Back（后退提示）：https://arxiv.org/abs/2310.06117

- ART（自动推理和工具使用）：https://arxiv.org/abs/2303.09014

- ReAct：https://arxiv.org/abs/2210.03629

- Reflection（反思）：https://arxiv.org/abs/2303.11366

- RAG（检索增强生成）：https://arxiv.org/abs/2005.11401

以上内容在之前的分享中都详细详细提到过，有一些只需要在 Prompt 上做简单优化便可看到效果。有一些则需要进行框架设计，如对任务进行规划、分解、组合等，包括与外界环境的交互、让人参与交互，存在一定的设计成本，市面上很多 XXXGPT 也是对这些基础手段组合后的工程实践。学习这些知识的原理有助于帮助我们打开
LLM 推理黑盒，感兴趣的朋友不妨花点时间研究下。

出自：

https://mp.weixin.qq.com/s/6l1UBJ8xYhDV2ewQAQOZgw

另外，这里给大家分享2个阅读arxiv PDF 论文的新技巧：

arxiv PDF 论文原地址：https://arxiv.org/abs/2109.01652

1）将域名中的 x 更换成 5，会跳转到 HTML 版本

替换后：https://ar5iv.org/abs/2109.01652

2）将域名中的 v 更换成 w，会跳转到一个 AI Chat with
PDF 版本

替换后：https://ar5iw.org/abs/2109.01652