如何去除LLMs中的时髦用语?
摘要
用户询问如何从大语言模型中去除时髦或不自然的说话模式,提供了例子并探询有效的系统提示以鼓励更字面的回应。
例如:不说:"我创建了这个新ID",而是说:"我铸造了这个新ID"。不说:"这条替代路径可用",而是说:"这个逃生舱可用"。这种说法如此荒谬和烦人。就直接、字面地说...或者正常地说。LLMs是从哪里学到这些说话模式的?直到LLM热潮之后,我才如此频繁地看到它们。如果我只是添加"不要使用X语言,正常并更字面地说话",这能解决大部分问题吗?其他人有什么好的系统提示或指令来帮助解决这个问题吗?谢谢!
相似文章
你在说我的语言吗?关于多模态大语言模型中的口语遵循问题
本文解决了多模态大语言模型在ASR中的口语遵循问题,提出了一种软提示方法和新颖的度量标准来量化语言违规。它评估了三种缓解策略——零样本提示、监督微调和思维链推理——在多种语言上的效果,以提高转录保真度。
一次响应,始终响应:通过潜在提示恢复检测LLM生成的文本
本文提出了EchoPrompt,一种无需训练的LLM生成文本检测器,通过添加通用前缀恢复潜在提示依赖性,并衡量指令微调模型与基础模型之间的似然增益差异,实现了最先进的零样本检测性能。
通过风格引导提示解释风格表示
本文提出了一个通过使用风格引导提示(即自然语言指令,引导大语言模型生成具有特定风格属性的文本)来解读风格表示的框架。该方法在描述和模仿写作风格方面均优于基线大语言模型提示技术。
前沿大模型“口头禅”激增:跨模型系统性分析
首次系统性量化八款顶尖大模型的重复口头禅现象,提出“口头禅指数(VTI)”,发现模型间差异显著且严重损害自然度。
PromptPrint:通过自然语言提示在大语言模型中实现行为生物特征识别
介绍PromptPrint,一项系统性研究,表明用户在LLM提示中的习惯性词汇和句法构成可学习的行为生物特征,词汇特征优于语义编码器,并揭示了独特性-一致性悖论。