13-Directional Stimulus Prompting

版本	内容	时间
V1	新建	2026年03月27日11:15:10

论文：https://arxiv.org/abs/2302.11520

Directional Stimulus Prompting，用于引导黑盒大语言模型（LLM）生成指定的目标输出。不直接修改 / 微调大模型，而是使用一个小型可训练的策略模型（如 T5），为每一个输入样本生成一条辅助性的方向刺激提示词。这些方向刺激提示词会作为精细、针对当前样本的提示 / 线索，引导大模型生成符合要求的结果，例如让摘要中包含指定关键词。这样避开了直接微调大模型的困难，而是通过优化小策略模型，生成能引导大模型行为的提示词。

策略模型的优化方式有两种：

1. 有监督微调：使用标注数据训练
2. 强化学习：基于大模型的输出结果（离线 / 在线奖励）

简单来说就是：不用训练大模型，只用一个小模型，自动给大模型生成 “精准引导词”，让大模型听话、输出更准、更符合要求。

image-20260327112813176

1. 普通提示：直接发「帮我总结这段话」，模型自由发挥，容易漏重点、跑偏；
2. Directional Stimulus Prompting 提示：先用小模型自动算出必须包含的核心关键词 / 隐藏线索，塞进去当引导；
3. 结果：模型摘要精准对标参考答案，评分（ROUGE）、人看的满意度都更高。