加州大学团队提出了可以自动优化Prompt的框架——PromptAgent，结合大模型的自我反思特点与蒙特卡洛树搜索规划算法，自动迭代检查Prompt，发现不足，并根据反馈对其进行改进，寻找通往最优Prompt的路径，可以将平平无奇的初始Prompt打造成媲美人类专家手工设计的Prompt论文：论文链接：https://arxiv.org/pdf/2310.16427.pdf先看一下例子感受一下有多厉害假设我们想要实现生物医学领域的命名实体识别任务，从句子中提取疾病等实体prompt可能就设置为：从句子中提取疾病或状况这样简单粗暴的prompt虽然也能完成部分简单任务，但是效果并不好PromptAgent能够通过该prompt所获得的结果指出错误并不断优化prompt：您的任务是提取疾病或疾病情况...请避免包含任何相关元素，如遗传模式（如常染色体显性）、基因或基因座（如PAH）、蛋白质或生物途径...考虑具体的疾病和更广泛的类别，并记住疾病和情况也可以以常见的缩写或变体形式出现以以下格式提供识别出的疾病或情况：{entity_1,entity_2,....}...请注意，“locus”一词应被识别为基因组位置，而不是疾病名称▲优化示例可以看到，最终的这份Prompt涵盖了丰富的生物领域知识，且准确率得到了极大提升简直就是菜鸟秒变大佬
让我们来看看具体是怎么做的吧
方法PromptAgent框架设计PromptAgent在确保对广阔的prompt空间进行高效策略性的搜索的同时，有效地将专家知识整合到任务prompt中所谓专家知识通过大模型如GPT-4生成，而其搜索策略使用的是著名的蒙特卡洛树搜索整体框架如图3所示：本文将任务prompt定义为状态,而对prompt的修改过程定义为执行动作如图3（b）所示：给定当前状态(也就是初始prompt)，基本模型(gpt-3.5-turbo)从任务数据集获得初始输出，初始输出往往不如人意，需要进一步优化使用优化器模型(gpt-4)提供错误反馈并给出改进建议优化后的模型根据反馈更新prompt并过渡到下一个状态如此循环往复，最终导向专家级prompt策略优化过程上述对prompt优化的过程可以无缝地将PromptAgent与主要的规划算法特别是蒙特卡洛树搜索（MCTS）相结合从而产生最具普适性的专家级Prompt蒙特卡洛树搜索（MCTS）通过逐步构建树状结构来实现策略搜索，如图3（a）所示，其中每个节点表示一个状态，每条边表示状态转移的动作MCTS执行选择、扩展、模拟和反向传播四步走来迭代搜索迭代过程在达到预定义的迭代次数后结束，选择最高回报的路径作为最终的Prompt选择：在每层选择最有前途的节点进行进一步的扩展和探索在每次迭代中，它从根节点开始，遍历每树的每一层，选择每层的后续子节点，并在叶节点处停止在选择每层的子节点时，利用了上界置信树算法（UCT），帮助在"选择最有希望的路径"和"探索新路径"之间找到一个好的平衡具体如下所示：其中表示在状态执行动作时的有可能获得的回报,表示节点的动作集合，表示节点的访问次数，表示在应用动作到节点后得到的子节点，是一个用于调整探索的常数公式中第一项用于衡量路径的价值，而第二项衡量被访问节点的不确定性换句话说，如果一个节点被探索得较少且其子节点也较少被访问过，那么第二项的值会较高扩展：在前一步选择到达的叶节点下面添加新的子节点来扩展树结构通过多次应用动作生成和状态转换（图3（b））来完成的，从而产生多个新的动作和状态需要注意的是，本文采样了多个训练批次得到多样化的错误反馈（动作）在新的节点中，选择最高回报的节点作为下一个模拟步骤的输入模拟：模拟扩展阶段所选节点的未来轨迹，并计算如果选择该路径可能得到的回报模拟策略的选择很灵活，比如选择随机移动直到达到终止状态为了减少模拟的计算成本并简化过程，本文选择不断生成多个动作，并选择其中回报最高的节点，以快速进入下一个树级别反向传播：在模拟过程中遇到终止状态时，将进行反向传播终止状态由预设的最大深度或提前停止条件决定此时，通过更新Q值函数，沿着从根节点到终止节点的路径反向传播计算未来的回报对于次条路径中的每个状态-动作对，聚合从状态开始的所有未来轨迹的回报来更新，更新方式如下：这里M表示从状态开始的未来轨迹的数量，和分别表示从状态和动作开始的第个状态序列和动作序列PromptAgent使用预设的迭代次数执行上述四个操作，当达到迭代次数后，选择具有最高回报的最佳路径中的最佳节点（即Prompt）进行最终评估实验实验设置为了全面评估PromptAgent对各种应用的影响，作者从三个不同领域精选了12个任务进行深入实验：- 6个BIG-Bench Hard (BBH)任务，强调领域知识（如几何形状和因果判断）和复杂推理能力（如桌上的企鹅、物体计数、认识论推理和时间序列）- 3个生物医学领域特定任务：疾病命名实体识别（NER）、生物医学句子相似性任务（Biosses）和医学问答任务（Med QA）- 3个著名的自然语言理解任务，包括两个文本分类任务（TREC和Subj）和一个自然语言推理任务（CB）实验结果与分析整体效果表1显示PromptAgent在BBH任务上明显优于所有基线相对人类Prompt（ZS）、CoT和APE方法分别提升了28.9%、9.5%和11.2%对于需要广泛的领域知识和深厚的LLM Prompt工程经验的生物领域任务，人类Prompt和CoTPrompt效果不佳而APE通过自动Prompt抽样和优化融入了一些领域知识，减少了人工干预，效果有所提升但是，PromptAgent相对于APE平均提高了7.3%，这表明PromptAgent可以更好地引导有效的领域知识，产生专家级Prompt，并弥合新手和专家Prompt工程师之间的知识差距而对于通用的NLU任务，PromptAgent的能力和通用性也完胜所有的基线Prompt泛化性作者还对经过PromptAgent优化后的Prompt能否推广到其他基础LLM模型上展开评估由于较低级别和较小规模的LLM模型（如GPT-2或LLaMA）可能无法熟练掌握这些专家级Prompt的微妙之处，会导致显著的性能下降本次评估选取了一个性能更强大（GPT-4）和一个比GPT-3.5性能更弱的模型（PaLM 2）结果显示PromptAgent具有巨大的潜力：当使用更强大的GPT-4时，优化后的专家Prompt几乎在所有任务（11/12）中都取得了进一步改进将专家Prompt转移到PaLM 2时，性能可能不如更强大的模型，但仍然可以在某些任务（如Penguins）中获得提升消融实验本文还对比了多种搜索策略的效果，包括每次随机抽样并选择一个动作的单次蒙特卡洛（MC）搜索、始终选择多个样本中的最佳样本的贪婪深度优先搜索（Greedy）和在每个层级保留多个有用路径的束搜索（Beam search）表格4显示：贪婪搜索（Greedy）和束搜索（Beam）都极大地改进了MC基线，表明结构化的迭代探索是必要的Beam和Greedy严格按照前进的方向操作，没有在Prompt空间中进行策略性搜索，缺乏预见未来结果和回溯过去决策的能力相比之下，MCTS的策略规划允许PromptAgent更有效地遍历复杂的专家Prompt空间，在所有任务上明显优于所有搜索变体搜索效率分析除了卓越的性能外，PromptAgent的一个关键优势是通过策略规划能够高效地搜索搜索效率是通过搜索过程中Prompt数量来衡量的，即在搜索过程中生成的节点数图4a中绘制了搜索效率与任务性能的关系，可以看到，PromptAgent的数据点聚集在左上角，表明在更高的准确性下，搜索的节点数也较少结论本文介绍了PromptAgent，一种新颖的Prompt优化框架，结合LLMs的自我反思能力将任务的领域特定知识纳入到新生成的Prompt中，并使用MCTS规划的能力高效遍历复杂的Prompt空间找到专家级Prompt，PromptAgent优化后Prompt也始终表现出专家级的特征，丰富了领域特定的细节和指导在未来势必会出现越来越强大的大语言模型，能理解并支持的复杂指令越来越多，仅依赖人工专家Prompt是远远不够的，自动构建专家级Prompt将是一个非常有潜力的方向
（图片来源网络，侵删）
0 评论