正文：
在人工智能的浪潮中，北京大学与百川智能联合实验室共同推出了突破性的自动提示工程系统PAS，基于Transformer架构的大语言模型在各个领域取得了显著成果。这一系统在提示词工程（Prompt Engineering）方面扮演着至关重要的角色。
PAS系统的研发者，郑淼和梁昊，分别是周泽南领导的百川对齐团队和北京大学前沿交叉学科研究院的博士生。他们的研究方向涵盖了从大语言模型、多模态学习到计算机视觉等多个领域。郑淼曾主导MMFlow等开源项目，梁昊则专注于大模型数据侧的研究，指导老师为张文涛教授。
北大-百川智能AI系统联合实验室成立于2024年1月，由北京大学博雅特聘教授崔斌和百川智能联合创始人陈炜鹏担任主任。实验室致力于围绕人工智能模型系统的全技术流程进行研究，包括数据生成和质量评估策略、大模型训练和推理加速等关键问题。
提示词工程在AI领域的作用不可忽视。通过合理的提示词，研究人员和开发者可以引导模型在特定任务上表现更优，显著提升模型性能，增强适应性，并优化学习过程。然而，设计有效的提示词对非专业人士而言具有挑战性，且直接利用大语言模型进行自动提示工程往往难以达到预期效果。
PAS系统应运而生，其创新之处在于：
- 设计高质量的自动提示数据集；
- 对GPT模型进行少样本学习和数据筛选；
- 自动构建精简而高效的提示数据集；
- 通过微调实现有效的自动提示工程。
PAS系统能够对用户输入进行简洁而有效的补充，实现快速、简单且支持流式显示的自动提示工程。在多个基准测试中，PAS的表现远超现有SOTA模型，且所需数据量更少。
实验结果显示，PAS在多个领域的平均胜率超过50%，胜率与平局率之和高达80%以上。计算效率分析显示，PAS仅需9000条微调数据便能展现出卓越性能，输出效率高，且用户体验极佳。
PAS系统的推出，不仅推动了提示词工程的发展，更为大语言模型在更广泛领域的应用铺平了道路。这一突破性成果将引领AI咒语革新，为我国人工智能领域的发展注入新的活力。
（完）
注：本文为机器之心原创报道，如需转载，请注明来源。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com
Views: 0