LLM人文学科考试策略:数据、思维链、上下文、多模态
来自 Wikiprompt,自由的提示词百科全书
LLM人文学科考试策略:数据、思维链、上下文、多模态 关于LLMs为何在人文考试中表现出色的分析性拆解,涵盖训练数据、思维链、长上下文和多模态能力,以及对提示设计的实际影响。
提示词内容收藏
🌐
分析大型语言模型在高考人文学科(语文、历史、地理)中取得高分的原因。分解关键因素:1)训练数据:高质量、最新、去重后的语料库,具有高知识密度和领域覆盖;2)思维链(CoT):在输出结构化答案前使用多步内部推理,尤其针对复杂问题;根据问题复杂度自适应决定是否推理(完整CoT、无CoT或自适应CoT);3)长上下文:支持大上下文窗口(如256K),无需截断即可读取完整材料和问题,避免信息丢失;4)多模态:直接处理图像(地图、图表、示意图)而无需OCR,保留视觉信息。总结高性能依赖于广泛记忆、答题前推理、强图像理解及完整材料摄入。
用法
此提示词专为 education 设计。复制上方内容并粘贴到你常用的 AI 工具中。
为获得最佳效果,可将占位符(方括号或大写字母标示)替换为你的具体需求。
讨论
0 条评论