提高提示一致性的结构化生成方法 [译]
原文中文，约5300字，阅读约需13分钟。发表于：。最近，Hugging Face 的 *Leaderboards and Evals* 研究团队进行了一系列小实验，揭示了评估结果对提示格式微小变化的极高敏感性。对于特定任务，即使是很小的提示变动也会导致结果大不相同，这并非我们所希望看到的：相同信息输入的模型，其输出应保持一致性。我们与 *Dottxt*...
Hugging Face的研究团队发现提示格式微小变化对评估结果有很大影响，探讨了提升不同提示格式一致性的方法。通过MMLU任务的分析，发现微小变化会导致模型性能波动，结构化生成可以提高提示的一致性和模型性能。初步结果令人鼓舞，但需要在更多模型和任务中验证。
