关于提示词凝练对于生成质量的影响

Tip

对提示词极度压缩所带来的表意的精准和凝练，使得我们的意图在大模型的向量空间被精准送达；另外文字的简洁让大模型注意力更加集中，不容易产生幻觉

这句话还是非常抽象，既然实践是检验真理唯一标准，在这里我利用一些案例来说明:

先看这一段文生图的提示词，初始的提示词不仅长度长，很多词语冗余，表意不精确，让我们一步一步来压缩

original：

Create an artwork of a small monkey in the style of a modern video game built on Unreal Engine. The monkey is standing in a forest environment with trees, beautiful nature and a bright blue sunny sky in the background, high contrast image composed of a brown, green and olive color palette.

compress step：

• image composed of a brown,green and olive color palette⇒earthy tones
• Create an artwork of a small monkey in the style of a modern video game built on Unreal Engine. The monkey⇒An ureal engine 3D render of a monkey
• a bright blue sunny sky in the background⇒sunny sky
• in a forest environment with trees, beautiful nature⇒forest

通过一步压缩，最终得到

An unreal engine 3D render of a monkey,forest,sunny sky,high contrast,earthy tones

从效果来说，我们第二次压缩过的生图，明显要比第一张图主体明确，好很多。这就是我所说的提示词凝聚的意思，让大模型少了很多干扰。

当然，我们也可以说，由于过度压缩，我们本来让猴子“站着”的信息丢失了，我们可以再把这个词意加上

modified

An unreal engine 3D render of a monkey,forest,sunny sky,high contrast,earthy tones

最后这张效果图中，我们看到除了最后一张，其他几张的猴子都是站姿了。 拿这个案例作为例子，我们现在应该可以真切的感知到，用词的精准和凝聚有多么重要。

作为理工科背景，我现在能感觉文科类，哲学类这些科目有多重要，他们会在驾驭AI方面有更大的潜力。

另外分享一些修炼用词凝聚的方法，比如可以探索一些跨界的学科理论：

又或者用一些模板套路，比如以文胜图为例：

[art style] of a [subject], in [location/scene], [mood]

让我们一起共同学习