大模型：能少说两句吗 你到底要干啥

上过 AI 课,甚至可能还买过网上提示词合集的你,是不是还在这样写提示词?

 像什么在提示词里一步步拆解思维链,才能让模型学会分步思考;要给几个例题,帮助模型理解你的问题;还要引导模型 cosplay,让模型给出更专业的答案等等的小技巧,不少差友应该也早就活学活用了｡

没错,说的就是火锅

但,这些曾经让你事半功倍的神级提示词,可能已经过时了｡

 这么说吧,在不知不觉的中,大模型其实已经分成了两派:传统通用大模型和推理大模型｡

比如 GPT-o1,它可不是 GPT-4o 的直属版本升级｡4o 属于通用大模型,o1 已经是推理模型了｡

类似的,DeepSeek 默认使用的 V3 版本是通用大模型,点击左下角深度思考按钮使用的才是 R1 推理模型｡

 而在推理模型时代,越详细的提示词,反而可能会让 AI 变更蠢｡

比如 OpenAI 的官方文档里,推理模型的专栏下,就明确表示,用过于精确的提示词,或者是引导思考这类提示词写法,反而会让回答效果下降｡

他们甚至还直接建议,让大家少用思维链提问｡｡｡问题直接问就行｡实在效果太拉垮了,再发具体例题,让 AI 学习｡

 我们还翻了一下 DeepSeek-R1 的官方技术报告,他们在论文里也这么说:“DeepSeek-R1 对提示词很敏感,举例提示反而会降低模型表现｡"

因此,为让效果更好,他们建议用户直接描述问题,别举例子｡

 除了 GPT 和 DeepSeek,Claude 3.7 Sonnet 也在官方文档中表示,比起那些看似很有逻辑,每一步都详细列出具体做啥的提示词,他们更希望你直接使唤它｡

总结一下,和大伙们印象中提示词越详细,AI 效果就越牛的刻板印象不一样,目前各大官方对自家推理大模型提示词的共同建议,就是直接,简洁,描述准确｡

 我们也尝试着做了一个实验,而最终的实验结果同样证明,过去非推理模型的古法提示词,用到推理模型那里真的会让性能下降｡

我们从 leetcode 里面挑选了几十道各种类型的困难题目,在 ChatGPT上进行测试｡咱们先按老法子写了一段提示词,比如暗示它做一名程序员､要进行思维链思考､还给出了大量示例等等等｡｡｡

结果对于大部分题目,不论提示词是长是短,推理模型 o1 都能给出正确的代码,甚至能击败 70% 以上的人,可以说表现已经相当优秀了｡

 但是在 1147､471､458､1735､1799 这些题目中,o1 在老提示词下失败了｡其中,有一题更是直接卡死,不想玩啦｡

但当我们不让它 cosplay,也不给例题,去掉思维链引导时,o1 这回居然在同样的问题上又答对了｡

所以,到底是啥让昔日的提示词小甜甜,在推理模型时代变成了牛夫人?

 其实背后最主要的原因,是传统非推理模型和推理模型的思考问题方式变了,而它们思考方式的变化源于训练方式的不同｡

传统的大模型一般采用无监督学习和监督微调,也就是给个数据集,让它自己去找规律｡它的终极目标是根据提示词,一个一个猜对回答里的所有字｡

说人话就是,通用大模型能力很强,但没啥子主见,这就比较吃用户的操作了｡你给的提示词越详细,越能让大模型按照你的心意去做事｡

但推理大模型不一样,在原来的基础上,它又加上了强化学习等基于推理的训练方法｡

这样的训练过程,会引导大模型尽量给出完整且正确的思维链,让它能够判断这么想是不是对的｡

 这下模型本身就有很强的 “ 主见 ”,或者说是推理能力｡你要是再一步步详细地去教它做事,反而可能和它本身的推理能力冲突了｡

比如我们在实验中发现,用老提示词让 o1 解决一些数学相关的编程题目时,翻车概率尤其的高｡

这有可能是因为提示词只让它做了一名 “ 资深程序员 ”,而不是 “ 数学很好的程序员”｡

 我们也翻了不少模型的官方文档,它们给出的建议也基本都是别整花花肠子,提示词简单直接,并且准确最好｡除此之外,可以强制延长推理时间,提示它 “ 多想想 ”,或者 “ 反思你的结果 ”｡

一部分老办法也还是好用的,比如适当用些符号,把问题的结构分分清楚,或者明确你的最终目标和结果格式｡

这些办法,都能让推理模型的效果更秀更 6｡

所以,适当放下助 AI 情节,讲清楚你的需求,双手插兜尊重 AI 操作,反而可能是最有效率的｡

而我觉得随着大模型能力的不断进化,写提示词这件事的门槛,也肯定会越来越低｡

但,要是问提示词工程这手艺,会不会完全消失?我们也请教了一下曾写出“汉语新解”等神级提示词的大神李继刚老师｡

他是这么回答的:只要我们不同的输入,还会带来不同的输出,那提示词工程就一直都在｡

最后,差评前沿部觉得,对我们这些用户来说,随着模型能力的加强,咱也应该更新一下提示词的弹药库了,别再抱着那古早的过时提示词,当个宝了｡