ChatGPT高效提问—prompt常见用法（续篇七）

1.1 零样本、单样本和多样本

ChatGPT拥有令人惊叹的功能和能力，允许用户自由向其提问，无须提供任何具体的示例样本，就可以获得精准的回答。这种特性被称为零样本（zero shot）prompt。然而，如果你希望获得更具针对性的回答，可以选择向ChatGPT提供一个或者多个示例样本加以引导。根据提供示例样本的书了，可以分为单样本（one shot）prompt和多样本(multiple shot) prompt。

1.1.1 零样本

在零样本模式下，即在没有任何示例样本的前提下，直接让ChatGPT回答问题。示例如下。

输入prompt:

ChatGPT输出：

ChatGPT直接给出了对老虎的描述。

1.1.2 单样本

相较于零样本prompt，单样本prompt则要求我们提供一个明确的示例。比如，可以先以特定的格式描述大象，然后引导ChatGPT以同样的格式描述老虎，从而使回答更加精准。

输入prompt:

ChatGPT输出：

观察输出可知，ChatGPT描述老虎的格式与我们提供的关于大象的示例样本格式高度一致。这表明，ChatGPT通过我们提供的单一样本有效地掌握了任务的执行方式。

1.1.3 多样本

对于更高难度的任务，我们可以提供多更多的示例样本，这种方法被称为多样本prompt。例如，我们可以给出多个示例样本，然后让ChatGPT自行完成任务。这种方式在处理复杂任务时效果往往出奇的好。下面是一个基于情感识别的多样本示例。

输入prompt:

ChatGPT输出：

从上述答案可以看出，ChatGPT凭借所给的示例样本，成功判断出最后一句话所含情绪为悲观。我们还可以进一步考验它，通过随机化标签，甚至故意制造错误，来观察ChatGPT是否仍能准确地进行判断。

输入prompt:

ChatGPT输出：

显然，尽管我们将标签进行了随机化排列，故意使得表述错误，ChatGPT仍然能够准确地进行判断。接下来继续增加难度，这次我们不提供任何样本提示，看看ChatGPT会如何应答。

输入prompt：

ChatGPT输出：

观察输出结果可以发现，即使在多论对话结束后，ChatGP也能在无须示例样本的情况下，准确地生成结果。它的反应方式与人类的思考方式高度一致，展现出了极其优秀的分析和辨别能力。

通过样本提示，我们可以获得更加规整、符合要求的回答。

1.2 思维链

思维链（chain of thought, CoT）———prompt范式进化史上的一大功臣。简单来说，思维链就是一系列中间推理步骤。使用思维链的一大好处是无须微调模型参数，仅仅改变输入即可大幅提升模型进行复杂推理时的准确率。

人类解决复杂推理问题的过程是，首先将其分解为一些中间问题，然后逐步解决，直至得到最终结论，也称“自顶向下，逐步求精”。思维链就是参考人类解决问题的方法，从输出问题开始的一系列自然语言形式的推理过程，直到输出最后的结论。和之前的提示词模式（问题，答案）不同，思维链提示词模式是：输入问题，思维链，输出结论。相较于样本提示学习，思维链提示学习有几个吸引人的性质。