告别提示词困境！北大、百川发布PAS，智能生成高质量提示语

在人工智能领域，模型能力提升始终是备受关注的焦点。那么，如何使AI更出色地完成任务呢？探索和掌握"提示工程"（Prompt Engineering）至关重要。

“提示工程”旨在优化AI模型的“提问技巧”。通过精心设计的提示，可以引导AI更准确地理解人类意图，进而产出更符合期望的答案。然而，优质的"提示"并非一蹴而就，它需要对AI的内在机制有深刻的理解。

为简化这一过程，一种名为PAS（Prompt Augmentation System）的创新技术应运而生，旨在辅助用户高效构建高质量的提示。该系统通过迭代优化大型语言模型(LLM)的提示，从而显著提升AI模型在各种任务中的表现。

PAS的核心价值体现在以下三个方面：

1、它能够在低算力环境下运行，仅需9000条提示样本即可启动，无需昂贵的计算资源。

2、PAS具备生成多样化提示的能力，支持不同类型的提示策略，能有效提升现有大型语言模型的性能，在多个自然语言处理任务中展现出卓越效果。

3、实验结果表明，PAS在数据增强方面表现出色，相对于基线模型，性能提升高达6.09个百分点。

PAS的实际应用价值在于：提升计算资源有限情况下的模型性能，并简化提示工程的复杂性。通过结合现有的大型语言模型技术，它为企业在降低成本的同时，提高AI的智能化水平提供了新的途径。这种优化后的提示能够激发AI的潜力，进而改进各类应用。

总的来说，PAS的出现为AI模型的能力提升提供了一种新的解决方案。研究结果表明，PAS能有效应用于GPT-4和GPT-3.5等大型语言模型，并在各种自然语言处理任务中取得显著的性能提升。其主要优势在于：易于在资源受限的环境中部署，并能持续提升AI的智能，实现在有限的数据集上获得更佳的效果。

PAS的重大意义在于它简化了AI模型的优化过程。即使没有深入的提示工程知识，用户也能借助PAS快速提升AI模型，从而使AI的应用范围更广，效率更高，使我们能够更便捷地利用AI技术。

相关论文：https://arxiv.org/pdf/2407.06027

项目代码：https://github.com/PKU-Baichuan-MLSystemLab