推理模型的Prompt

主要观点总结

本文介绍了RL/RLHF模型相较于SFT Model的优势和挑战，包括推理能力的引入对Prompt写法的影响。文章提出了针对这类模型的新的思考框架，包括起点（任务信息）和终点（期望结果）的设定，以及如何用抽象梯来表达对结果的期望。文章还通过三个示例来展示如何应用新的思考框架。

关键观点总结

关键观点1: RL/RLHF模型相较于SFT Model的优势和挑战

文章介绍了强化学习模型（如GPT-4o和Deepseek-R1）相较于传统SFT Model的优势，包括引入推理能力。但同时也面临挑战，即需要对Prompt的写法进行适应和调整。

关键观点2: 新的思考框架的提出

针对RL/RLHF模型的特点，文章提出了一个新的思考框架，包括设定起点（任务信息）和终点（期望结果），以及使用抽象梯来表达对结果的期望。

关键观点3: 应用新的思考框架的示例

文章通过三个示例任务来展示如何应用新的思考框架，包括疾病诊断、更换轮胎、建构数字时代人际关系认知模型等。

免责声明