分解提示：解决复杂任务的模块化方法

Oct, 2022

分解提示：解决复杂任务的模块化方法

Decomposed Prompting: A Modular Approach for Solving Complex Tasks

Tushar Khot, Harsh Trivedi, Matthew Finlayson, Yao Fu, Kyle Richardson...

TL;DR提出了分解提示法（Decomposed Prompting）的方法，通过将复杂任务分解成简单的子任务来解决复杂任务，并且可以针对每个子任务优化其专用提示，进一步分解复杂任务并取得更好的性能，特别是在符号推理任务和多步推理任务中。

Abstract

few-shot prompting is a surprisingly powerful way to use Large Language Models (LLMs) to solve various tasks. However, this approach struggles as the task complexity increases or when the individual reasoning steps of the task themselves are hard to learn, especially when embedded in m

few-shot prompting decomposed prompting large language models symbolic reasoning tasks multi-step reasoning tasks

发现论文，激发创造

分解复杂问题的连续提示

我们引入了 “连续提示”，通过将一个复杂的任务迭代地分解成简单任务并逐步解决，使得我们在限制监督的情况下，可以利用大型语言模型来回答需要做出潜在决策的复杂问题，并且在问题的分解和回答方面进行分别学习。

Dec, 2022

分解促使：揭示英语为中心的大型语言模型中的多语言语言结构知识

该研究介绍了分解提示方法，用于探究英语为中心的大型语言模型在序列标注任务中对语言结构的理解能力，其研究结果表明分解提示优于迭代提示基线，在零样本和少样本情况下具备更高的效用和效率，并发现评估方法和提示中的指令使用对结果有影响，同时发现英语为中心的语言模型在多语言任务中表现优于多语言模型，从而对英语为中心的语言模型的多语言可迁移性进行了深入研究，为了解其多语言语言知识做出了贡献。

Feb, 2024

帮助语言模型学习更多知识：多维任务提示用于少样本调整

通过提出多维任务提示学习方法（MTPrompt），将更多的任务相关信息嵌入提示中，以激发大型语言模型中嵌入的知识，从而实现在少样本和五个不同数据集上取得最佳结果，并在不同实验设置和削减实验中展示了该方法的有效性和稳定性。

Dec, 2023

用分治程序引导大型语言模型进行问题解决

建议使用分治程序来引导大型语言模型（LLM），以解决存在中间错误和欺骗内容的任务，可以提供更好的性能。

Feb, 2024

最少指导下的逐步引导，使得大型语言模型能够进行复杂的推理

本文提出了一种新的提示策略 least-to-most prompting，将复杂问题分解为多个子问题并顺序解决，可以解决比示范范例更难的例子，并在符号操作、组合泛化和数学推理方面表现出色。

May, 2022

小语言模型微调以协调更大的语言模型，提升复杂推理

引入 DaSLaM，使用分解生成器将复杂问题分解为需要更少推理步骤的子问题，由求解器回答。我们的方法在多个不同推理数据集上进行评估，表明 1750 亿参数 LM（text-davinci-003）可以产生与规模更大的 GPT-4 相比具有竞争力甚至更好的性能。

Oct, 2023

大型语言模型的提示式编程：超越少样本范式

使用 GPT-3 模型分析得出少量样例引导更接近于已学习的任务，本文探讨使用自然语言编程来优化引导，提出元引导概念后能够生成更多的任务自然语言引导，展望这些方法如何应用于实践应用。

Feb, 2021

STPrompt: 语义引导和任务驱动的提示，用于有效的少样本分类

提出基于任务语义角度构建的语境提示学习模型 STPrompt，其中两种基于语义依存关系树和任务特定元数据描述的新型提示被构建到提示增强池中，能自动选择合适的语义提示来激发提示学习过程，并在五种不同的少样本文本分类数据集上取得了最先进的性能。

Oct, 2022

使用大型语言模型进行相关语言机器翻译的分解提示

本研究提出了一种针对相关语言即语言家族内具有相似语言特征的机器翻译的新方法，将翻译过程分解成单词块翻译的序列，并证明了该方法的有效性。

May, 2023

大型语言模型的高效提示方法综述

在这篇论文中，我们对高效提示的各种方法进行了全面的概述，包括使用高效计算和高效设计进行提示的方法，重点关注未来的研究方向。

Apr, 2024