# 多样性的所有文章

在 HTX 新闻中心浏览与「多样性」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策,提供权威的加密行业洞察。

提示词工程论文登上ICML 2026,网友吵翻了天

一篇关于提示词工程(Prompt Engineering)的论文被机器学习顶会ICML 2026接收,引发广泛争议。该论文提出了一种名为“Verbalized Sampling”(VS)的方法,核心在于仅通过修改提示词,要求大模型在生成答案的同时输出其自身的概率分布,从而显著提升了模型输出的多样性,缓解了LLM中常见的“模式坍缩”(Mode Collapse)问题。 论文作者认为,模式坍缩的根本原因并非在于优化算法,而在于人类偏好数据中存在的“典型性偏差”——标注者更倾向于给常见、流畅的答案高分。通过在推理阶段使用VS提示词,可以唤醒模型在预训练阶段学到的多元分布。实验表明,该方法在创意写作等任务中能将输出多样性提升1.6至2.1倍,且不影响事实准确性与安全性。 这一成果在Reddit上引发了激烈讨论。反对者认为,仅靠调整提示词缺乏算法或理论创新,创新性单薄,且其普适性和稳定性存疑,不符合传统机器学习顶会对“硬核创新”的期待。支持者则指出,研究价值在于其深入的问题归因和严谨的实证过程,类似于当年“思维链”(CoT)提示的兴起,提示词工程正成为研究模型行为的重要方法,未来可能改变大模型的能力边界。 该研究由美国东北大学、斯坦福大学等机构的研究人员合作完成。尽管方法看似简单,但作者强调其包含了完整的问题溯源、理论归因和大量实验验证。

marsbit07/15 07:55

提示词工程论文登上ICML 2026,网友吵翻了天

marsbit07/15 07:55

活动图片