当情感刺激遇上提示设计：一种自动提示图形化范式

随着大型语言模型（Large Language Models, LLMs）的发展，涌现出大量提示词，每种都有丰富的特征和各自的优点。本文总结了大型语言模型的提示词，将其分类为刺激型和框架型，并提出了一种自动提示图形化范式（Auto-Prompt Graphical Paradigm, APGP），该范式结合了刺激型和框架型提示，以增强LLMs在多个领域的问题解决能力，然后以一个遵循此范式的框架为例进行说明。该框架涉及自动提示生成和对情感刺激因素的考量，引导LLMs进行问题抽象、多样化解决方案生成、全面优化以及在提供答案后的自我验证，从而确保解决方案的准确性。与传统的刺激型和框架型提示相比，该框架通过采用受APE工作启发的自动化方法，整合了两者的优势，克服了人工设计提示的局限性。在弱智吧和BBH数据集上的测试结果表明，该框架能够有效提高LLMs解决问题的效率和准确性，为LLMs的新应用铺平了道路。