本研究分析了大型语言模型在图形任务中的表现，发现合理的布局和优化图形可显著提升模型性能，同时有效的提示技巧也非常重要。

大型语言模型（LLMs）在开发中越来越受欢迎，掌握有效的提示技巧至关重要。主要的提示技术包括：零样本提示、少样本提示、思维链提示、思维树提示和角色提示。这些技巧可以结合使用，以提高AI模型的输出质量。

Jam即将推出三项新的AI功能。工程师Tomasz和Oskar在播客中分享了AI开发的进展，包括使用的工具、软件的不确定性挑战、数据验证和内部测试过程。他们还讨论了如何评估提示和一些意外的提示技巧，并提到AI开发的实验阶段。

DeepMind的新论文研究了大模型的使用提示技巧，发现通过提供更多示例可以提升性能。建议使用合成生成的示例，并仅提供问题而不提供答案。多镜头ICL可以克服预训练偏差，在非NLP预测任务上表现良好。提示中示例的顺序和数量会影响多样本性能。多次ICL仅使用问题时，可以实现相当或更优的性能，同时提高通过情境学习解决分布外问题的能力。