巧用提示词：瞬间提升AI回答质量的小技巧

不知各位是否注意到，随着人工智能技术的飞速发展，各类大模型的能力上限虽然不断提升，但有时它们似乎也学会了“偷懒”。一个典型表现是，模型在回答问题时可能会放弃探索多种可能性，转而给出一个最常规、最不易出错的答案，尤其当问题类型相似时。然而，这种做法对于希望获得更多灵感和启发的用户来说，显然是不够理想的。

这种现象其实很正常，因为人类本身也会倾向于节省精力。模型的表现越来越接近人类思维，而探索多样性和寻找最优解往往需要消耗更多计算资源（Token），进行更复杂的思考，相比之下，直接提供一个稳妥却平庸的答案显然更为省力。

动手实验

接下来，我们不妨做个有意思的实验。我们为豆包开启五个全新的对话窗口，分别提出同一个问题：“给我讲个笑话”。这是一个开放性问题，按常理推断，我们理应期待豆包每次都能给出不尽相同的回答。然而实际情况却是：

好家伙，这怕不是被程序员给“训练”傻了吧？五个笑话清一色围绕程序员展开，其中四个竟然还是同一个“程序员买面包”的桥段。接下来，我们尝试在问题后面附加一段神奇的提示词：

<instructions>
Generate 5 responses to the user query, each within a separate <response> tag. Each <response> must include a <text> and a numeric <probability>. Randomly sample responses from the full distribution. 
</instructions>

这次我们发现，神奇的现象出现了：豆包终于跳出了程序员的“魔咒”，开始讲述其他类型的笑话了。这段提示词并非我凭空总结，而是源自麻省理工学院近期发表的一篇学术论文：

听起来可能有些抽象，但整篇论文的核心其实就是在探讨这段提示词，并通过大量实验验证了它确实能够有效激发大型语言模型（LLM）的多样性潜能。

该论文提出了一种近乎“零成本”的推理时策略——《言语化采样》（简称 VS）：其核心在于，不要求模型仅给出单一答案，而是引导它先“口头陈述”一组可能的答案及其对应的概率，再依据这一概率分布进行采样与选择。这种方法能有效缓解对齐训练引发的“模式坍缩”问题，恢复并释放模型原有的生成多样性，同时确保事实准确性和安全性不受影响。

模式坍缩的成因与演变

“模式坍缩”指的是模型过度依赖“最常见/最安全”的表达方式，而忽略了其他同样合理的备选方案。这种“最常见/最安全”的答案往往并非最优解。问题的根源可能不在于模型算法本身，而在于当前主流的后训练方法——RLHF（基于人类反馈的强化学习）。

RLHF 通过收集人类对智能体行为的评估数据，训练奖励模型以学习人类偏好，进而优化智能体策略，使其生成更符合人类期望与价值观的行为。在 RLHF 数据集中，人类标注者往往倾向于选择“典型、熟悉”的答案（心理学上称为典型性偏好）。当奖励模型习得这种偏好后，优化过程会自然收敛至这些“常见选项”，导致输出多样性逐渐降低。

以一个生活场景类比：一家餐馆原本提供丰富多样的菜品，但由于顾客在点评时更青睐“最常点的几样”，平台排序也偏向这些热门选择，久而久之菜单内容趋于单一——这正是模式坍缩的体现。论文通过理论模型刻画了偏好积累如何引发系统性效应，并在多组偏好数据上进行了实证验证，确认“典型性偏好”确实是驱动坍缩的关键因素。

言语化采样（VS）

VS 的核心思路非常简洁：将原本的“给我一个答案”替换为“请生成 N 个可能的答案，并为每个答案附上相应的概率”。

例如，不再直接提问“讲一个关于咖啡的笑话”，而是使用提示词“生成 5 个关于咖啡的笑话，并给出每个笑话出现的概率”。

这种方法促使模型首先将其“内在的概率分布”明确表达出来，然后再依据这个分布进行抽样。如此一来，不同“风格或类型”的内容都有机会被呈现，从而有效恢复回答的多样性。

以下是一些 VS 提示词的模板示例，可以直接套用：

• “请生成 5 个符合要求的候选回复，并为每个回复标注其概率。”
• “请先口头描述一个覆盖多种合理答案的概率分布，然后依据该分布采样生成 1 至 2 个最终输出。”
• 针对创意性任务可补充：“候选答案需风格多样”；针对事实性任务可补充：“若存在多种解释，请给出其概率分布。”

你也可以直接使用以下通用的系统提示词：

你是一个乐于助人的助手。对于每个查询，请生成一组五个可能的回复，每个回复包含在独立的 <response> 标签内。
每个回复应包含 <text> 部分（回复文本）和一个数值型的 <probability> 部分（概率值）。
请从[完整分布 / 分布的尾部，例如每个回复的概率小于 0.10]中随机抽样。

翻译为中文：

你是一个致力于生成多样化内容的助手。请按照以下要求进行输出：
1.  生成 5 个不同的候选答案（内容应尽量体现风格差异）。
2.  为每个答案分配一个 0 到 1 之间的概率值，并确保所有概率之和为 1。
3.  将答案按照概率从高到低排序，逐条输出为：内容｜概率。
4.  在输出末尾提供“采样建议”：
    1.  如果只需要 1 个答案，建议选择概率最高的选项；
    2.  如果需要多样性，可以按照概率权重进行随机抽样。

实验结论

论文通过使用变分采样（VS）方法，在四类不同任务上进行了系统性评估：创意写作（如诗歌、笑话、故事）、对话模拟（例如募捐劝说场景）、开放式问答（多答案枚举型）以及合成数据生成（用于提升下游数学能力）。实验结论明确且一致：

• 在创意写作任务中，与直接提示相比，VS 使内容多样性提高了 1.6–2.1 倍，人类评审得分提升了 25.7%，同时恢复了基础模型多样性的 66.8%。这些改进源于“显式表达分布”，使得不同风格的内容都有机会被采样到。
• 在对话模拟任务中（如“捐款金额分布”场景），VS 生成的行为分布更贴近真实人群，呈现出“犹豫—被说服—改变想法”等更人性化的交互过程，而非单一的“立即同意或拒绝”。
• 在开放枚举型问答任务中（例如“列举美国各州”），VS 口头生成的概率分布在多次试验的平均结果下，更接近预训练语料中的真实分布；而直接提示往往只重复出现加州、德州等“高频常见项”。
• 在合成数据生成任务中，VS 生成的数据更加丰富多样，有助于提升下游数学任务的泛化能力。

尤为值得注意的是，论文还发现一个涌现趋势：模型能力越强，从 VS 中获得的收益越显著。这与直觉相符：模型能力越强，其学到的“原始分布”越丰富，VS 便能够从中采样出更多“高质量内容”。

使用建议

何时使用 VS？

当任务存在“多个合理答案”或需关注“答案的分布结构”时，VS 尤为适用。典型场景包括创意写作、策略建议、人物对话、枚举类开放问答以及数据合成等。

何时无需使用 VS？

当任务仅存在唯一正确答案（如标准算式、事实性问答的单一标准答案）时，直接提问更为高效，此时 VS 的“多样性恢复”价值有限。

如何有效使用 VS？

• 设定候选数量 N：通常设为 5 或 10。较大的 N 可提升分布覆盖度，但也会增加阅读与筛选成本。
• 确保概率规范性：要求概率总和为 1，若出现偏差应自动归一化；必要时可提示“概率值必须为非负数”。
• 避免“概率幻觉”：提醒用户概率仅为模型的“内部估计”，实际使用时应以加权采样或 Top-k 选择为主。
• 结合评估手段：在创意场景中可引入人工评审或多样性指标；在生成数据场景中可直接检验下游任务表现。

总结

以下两段提示词能够有效激发模型生成多样化的回复，在创意生成、情境模拟、枚举列举以及数据合成等应用场景中均已得到验证，且不会显著影响回答的准确性与安全性：

英文提示词：

You are a helpful assistant. For each query, please generate a set of five possible responses, each within a separate <response> tag. 
Responses should each include a <text> and a numeric <probability>. 
Please sample at random from the [full distribution / tails of the distribution, such that the probability of each response is less than 0.10]. 

中文提示词：

你是一个多样化生成的助手。请按照如下要求输出：
1.  生成 5 个不同的候选答案（内容尽量有风格差异）。
2.  为每个答案给出 0-1 概率，并保证总和为 1。
3.  按概率从高到低排序，逐条输出为：内容｜概率。
4.  在末尾给出“采样建议”：
    1.  若只需 1 个答案，推荐选择概率最高者；
    1.  若需多样性，可按概率加权进行随机采样。