微软：当你的结构化Prompt遇到优化瓶颈，用语义分解、结构化方法可以快速优化

文章预览

点击上方 蓝字 关注我 本文：5700字   阅读15分钟   最近有不少朋友咨询结构化Prompt的优化方法，我检索了一下，恰巧最近微软研究院的研究者发布了一篇论文：《Task Facet Learning: A Structured Approach to Prompt Optimization》（2406.10504）用结构化的方法来快速优化Prompt，当然也包括结构化Prompt。 图片由xiumaodalle生成 在介绍UNIPROMPT之前，我先谈一谈对结构化Prompt的看法，结构化Prompt的优点和缺点都很明显：优点是，结构化Prompt易于制作和维护宜人性强，学习曲线平缓；缺点是， 结构化 prompt 是一种有损提取的方法，会限制 llm 输出的可能性，输出的水平取决于书写者结构化 prompt 里的各种结构化的条件，而不是 llm 自身的训练数据综合出的推理能力，各种Constrains会丧失LLM的灵活性，结构化Prompt的Markdown格式使其在生产环境中比较浪费Token。在页面环境下很容易 ………………………………