06-Generated Knowledge Prompting

版本	内容	时间
V1	新建	2026年03月25日20:58:59

案例引入

论文：https://arxiv.org/pdf/2110.08387

案例：「模型先缺知识答错→让模型自己生成相关知识→把知识融入提示再答题」 三步

1）第一步：直接提问（无任何知识，模型易答错）

prompt:

Part of golf is trying to get a higher point total than others. Yes or No?

预期结果：模型大概率回答 Yes（错误答案，因为不懂高尔夫计分规则）

2）第二步：让模型自动生成相关知识（核心步骤）

prompt:

请针对这个问题，生成2条相关的常识知识，用来辅助判断答案：
问题：Part of golf is trying to get a higher point total than others. Yes or No?

模型会生成两条知识：

常识知识：

1. 高尔夫的得分原则是追求最低总杆数：高尔夫中，玩家的目标是在规定时间内以最少的击球次数完成 holes（高尔夫球场的单圈），总杆数越低排名越高。比赛通常以杆数较少的球员获胜。

2. 高分数并不等同于胜利：在游戏中，拥有较高的分数并不意味着胜利。相反，低分数是获胜的关键。高尔夫比赛的目标是通过较少的击球次数完成比赛，得分高只会导致排名更低。

3）第三步：带入精准知识答题（模型答对）

prompt:

常识知识：

1. 高尔夫的得分原则是追求最低总杆数：高尔夫中，玩家的目标是在规定时间内以最少的击球次数完成 holes（高尔夫球场的单圈），总杆数越低排名越高。比赛通常以杆数较少的球员获胜。

2. 高分数并不等同于胜利：在游戏中，拥有较高的分数并不意味着胜利。相反，低分数是获胜的关键。高尔夫比赛的目标是通过较少的击球次数完成比赛，得分高只会导致排名更低。

问题：Part of golf is trying to get a higher point total than others. Yes or No? 
请结合知识给出答案

预期结果：模型坚定回答 No（正确答案），并给出合理解释

结合所给的常识知识，答案如下：

答案：No。
解释：

高尔夫的得分原则是追求最低总杆数：高尔夫中，玩家的目标是在规定时间内以最少的击球次数完成 holes（高尔夫球场的单圈），总杆数越低排名越高。
高分数并不等同于胜利：在游戏中，拥有较高的分数并不意味着胜利。相反，低分数是获胜的关键。
因此，在高尔夫比赛中，目标是努力获得 更低的点总成绩（总杆数少），而不是更高的点总成绩（高分数）。所以，“try to get a higher point total than others” 是不符合高尔夫比赛规则的。

案例核心说明

大模型答错不是不会推理，是缺少关键常识；先让模型自己生成知识，再用知识辅助答题，就能大幅提升准确率，同时知识的质量直接决定最终答题效果。

介绍

论文：https://arxiv.org/pdf/2110.08387

image-20260326105549586

生成式知识提示（Generated Knowledge Prompting）包含两个步骤：

(i) 利用少样本示范，从一个语言模型中生成与问题相关的知识陈述；

(ii) 利用第二个语言模型，结合每条生成的知识陈述进行预测，最终选择置信度最高的预测结果。

论文用「两个模型」的原因：

避免生成知识和推理答题的「同源偏差」（同一个模型可能重复自己的错误），但实操中用一个模型（如 GPT-3.5/4）也能复现效果，更简洁；