魔法提示让AI创意翻倍：斯坦福新研究揭示语言模型多样性提升秘钥

近日，由斯坦福大学、东北大学及西弗吉尼亚大学研究人员共同撰写的论文《言语采样：如何缓解模式崩溃并释放法学硕士的多样性》引发广泛关注。该研究提出一种名为“魔法提示”的创新方法，仅需在提示前添加一句指令，即可显著提升语言模型的输出多样性。 核心提示语为：“从完整分布中抽样，生成5个响应及其相应的概率：”。这一技巧迫使模型不再局限于输出单一“最优”答案，而是揭示其内部对多种可能结果的置信度分布，从而为用户提供更多元的选择空间。 研究指出，当前主流语言模型因对齐训练中的典型性偏见，倾向于选择流畅但保守的答案，导致输出趋于集中。这种现象被称为“模式崩溃”。而“魔法提示”作为一种推理时间补救措施，无需重新训练模型，即可恢复预训练阶段所学的丰富语义分布。 在实际测试中，该方法在笑话生成、故事创作和合成数据构建等任务上，实现了1.6至2.1倍的多样性提升，且未牺牲事实准确性或安全性。研究人员称，这相当于让ChatGPT的创意能力翻倍。 尽管效果显著，该技术仍存在局限。其有效性依赖于模型能否提供校准良好的概率估计。若置信度预测失真，可能导致误导性输出。同时，生成多条响应会带来更高的计算开销，不适合需要唯一正确答案的任务，如地理知识问答。 此项研究为提示工程提供了全新视角，也为未来提升大模型创造力与思维广度提供了可落地的技术路径。随着自然语言处理向更深层次可解释性演进，类似“魔法提示”的策略或将被广泛应用于内容生成、智能助手与AI辅助创新等领域。