增强 ChatGPT 中的用户交互：面向问题解决的多提示特征化与整合
软件工程
2024-02-08 v1
摘要
提示词设计在塑造 ChatGPT 的有效性方面起着至关重要的作用，影响着模型提取上下文准确响应的能力。因此，最佳的提示词构建对于最大化 ChatGPT 的效用和性能至关重要。然而，次优的提示词设计可能需要迭代精修，因为不精确或模糊的指令会导致 ChatGPT 产生不理想的响应。现有研究探讨了几种提示词模式和策略，以提高 ChatGPT 生成响应的相关性。然而，对需要提交多个提示词的约束条件的探索仍然是一个尚未实现的尝试。在本研究中，我们的贡献有两个方面。首先，我们试图揭示需要多次迭代的提示词设计中的差距。具体而言，我们手动分析了为解决与 Java 和 Python 编程语言相关的问题而提交的 686 个提示词，并确定了 11 个提示词设计差距（例如，缺少规范）。这种差距探索可以提高 ChatGPT 中单个提示词的有效性。其次，我们试图通过将多个提示词整合为一个来重现 ChatGPT 的响应。我们可以完全整合具有四个差距（例如，缺少上下文）的提示词，并部分整合具有三个差距（例如，附加功能）的提示词。这种努力为用户设计更优的提示词以缓解这些差距提供了具体的证据。我们的研究结果和证据可以—— 节省用户时间， 降低成本，以及 提高用户满意度。
引用
@article{arxiv.2402.04568,
title = {Enhancing User Interaction in ChatGPT: Characterizing and Consolidating Multiple Prompts for Issue Resolution},
author = {Saikat Mondal and Suborno Deb Bappon and Chanchal K. Roy},
journal= {arXiv preprint arXiv:2402.04568},
year = {2024}
}
备注
This paper has been accepted at the 21st International Conference on Mining Software Repositories (MSR 2024)