LLM Prompt Tuning Playbook如何优化后训练大型语言模型（LLM）提示的指南

（LLM Prompt Tuning Playbook）是一个关于如何优化后训练大型语言模型（LLM）提示的指南。它主要面向那些希望提高与后训练LLM交互效果的读者，假设读者已有与某些LLM（如Gemini）的基本交互经验，但不要求深入的技术理解。

要点：

文档结构：前半部分提供关于后训练和提示性质的心理模型；后半部分提供更具体的指导和高级程序来调优提示。
调优指南灵感：受深度学习调优指南启发，旨在系统找到比当前基线更好的提示。
实验方法：建议为实验设定时间限制（timebox），并尝试给模型明确的“我不知道”指令。
LLM应用场景：LLM在答案难以直接得出但易于验证的情况下最为有用。文档提到了可观察行为与内部叙述的区别，这有助于以可观察行为的方式表达指令。
链接：

https://github.com/varungodbole/prompt-tuning-playbook