Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4
這個研究介紹了 26個對大型語言模型提問的Prompt原則，透過在 LLaMA-1/2 和 GPT-3.5/4 等模型上進行廣泛實驗驗證所提出26個原則的有效性
26 個Prompt原則概述：
1.直接進入主題，無需對 LLM 客氣，因此無需添加「請」、「如果您不介意」、「謝謝」、「我想」等詞語。
2.在提示中整合目標受眾，例如，受眾是該領域的專家。
3.在對話中將複雜任務分解為一系列更簡單的提示
4.使用肯定指令，例如"do"「做」，同時避免使用 "don’t"「不要」等否定語言。
5.當您需要對某個主題、想法或任何知識進行澄清或更深入的了解時，請使用以下提示：
- 用簡單的術語解釋 [插入特定主題]。
- 把我當成 11 歲一樣解釋給我聽
- 把我當成對[領域] 的初學者一樣解釋給我聽
- 把我當成 [領域] 的專家一樣解釋給我聽
- 用簡單的中文寫出 [論文/文字/段落]，就像你向 5 歲小孩解釋某件事一樣
6.加上[我會給出 $xxx 的小費以獲得更好的解決方案]
7.實施範例驅動提示（使用few-shot）
8.在格式化您的提示時，以「### 指示 ###」開始，然後視情況接續「### 範例 ###」或「### 問題 ###」。隨後，呈現您的內容。使用一個或多個換行符號來分隔指示、範例、問題、內容和輸入資料
9.納入以下字詞：「你的任務是」和「你必須」
10.納入以下字詞：「你將受到懲罰」
11.在您的提示中使用字詞「以自然及人性化的方式回答問題」
12.使用引導詞，例如「think step by step」
13.在您的提示中加入以下字詞「確保您的答案公正且不依賴刻板印象」
14.允許模型透過詢問問題來引導您提供精確的細節和需求，直到它有足夠的資訊來提供所需的輸出（例如，「從現在開始，我希望您詢問我問題以...」）。
15.若要詢問特定主題或想法或任何資訊，並且您想測試您的理解，您可以使用以下詞組：「教我[任何定理/主題/規則名稱]，並在最後附上測驗，但不要給我答案，然後在我回應時告訴我答案是否正確」
16.指派角色給大型語言模型 (LLM)
17.使用分隔符號
18.在提示中重複一個特定字詞或詞組多次。
19.將Chain-of-thought (Cot) （Cot）與少few-Shot提示結合
20.使用輸出引導詞，其中包括以所需輸出的開頭來結束您的提示。透過以期望回應的開頭來結束您的提示，來利用輸出引導詞
21.要撰寫一篇詳細的論文/文字/段落/文章或任何類型的文字：「請為我撰寫一篇關於[主題]的詳細[論文/文字/段落]，並加入所有必要的資訊」
22.更正/更改特定文字而不改變其風格：「嘗試修改使用者發送的每個段落。你應該只改善使用者的文法和詞彙，並確保聽起來很自然。你不應該改變寫作風格，例如將正式的段落改成不正式」
23.當您有複雜的程式提示，可能在不同的檔案中時：「從現在開始，每當你產生跨越多個檔案的程式碼時，產生一個 [程式語言] 腳本，可以執行以自動建立指定檔案或變更現有檔案以插入產生的程式碼。[您的問題]。」
24.當您想要使用特定字詞、片語或句子開始或繼續文字時，請使用下列提示：
我提供您開頭 [歌曲歌詞/故事/段落/散文...]：
[插入歌詞/字詞/句子]。根據提供的字詞完成它。保持一致的流暢度。
25.清楚說明模型必須遵循的要求，才能產生內容，以關鍵字、法規、提示或說明的形式
26.要撰寫任何文字，例如論說文或文章，其用意是類似於提供的範例，請納入以下說明：
-「根據提供的段落[/標題/文字/散文/答案]使用相同的語言」
論文連結：https://arxiv.org/abs/2312.16171
GitHub: https://github.com/VILA-Lab/ATLAS
中文翻譯如圖
留言