过于渺小的开始

坦诚而言，听到上一届英才计划优秀学生侃侃而谈时，内心生出一种“我不配”的感觉，这是我在2023级英才计划初期举办的冬令营中最大的感受。自己的知识储备犹如沧海一粟，学长的分享鲜能听懂，入围面试时对专家的提问束手无策……以上种种情况加剧了我对英才计划培养的“恐惧感”。当时以为，我只能混迹人群，求稳过关了。因此，在导师要求我们确立研究课题时，我选择了雪藏初定方案，交了一份与同学思路近似的文档上去。

但与其他同学一样，我心里也有颗种子，希望自己能在计算机领域有所长进，能帮助身边的老师与同学，至于更大的梦想，也许与现在的我还搭不上边。

事情开始起变化

不久后，导师希望我能选择更适合的研究课题，并推荐了几个前沿领域。令我惊讶的是，其中关于ChatGPT的研究点与我的初定方案如出一辙。我立即找出原有方案，并进行了修改整理。

方案大致如下：我从高中英语听力测试获得灵感，希望可以借助自然语言文本处理技术，生成针对特定语块的个性化英语听力题目，从而替换传统的固定套卷练习，提高学生训练的效率。在这一方案中，合理使用新兴的ChatGPT等大语言模型能同时提高有效性与实时性。

会上，导师认同了我的方案，我便着手进行资料查询。很快，我便寻找到“提示工程学”这一大模型领域的前沿分支学科，并开始着手阅读相关论文，查阅其中的重要模型、框架等，设计并进行计算机实验寻找更优方案。

中期评估如期而至。评估前，我将自己的汇报文档发送给导师，得到了导师的认同。正式答辩开始前，我信心满满地望着文件夹中的实验文件，回想起几个月前，我面对各路“大佬”时的羞涩，一种满足感瞬间充满全身。

磨练还差欠功夫

当天晚上，山东省英才计划办公室负责人在网络会议旁听我们答辩。我在会议上“侃侃而谈”，却发现负责人退出了会议，只剩下导师透过屏幕看着我。他连着问了我很多报告中涉及的技术问题，但是大部分问题我都未能回答上来。

答辩结束后，近期一直趾高气扬的心重重地落在地上。不甘心的我重新投入到对前期工作的复盘总结上，逐渐发现了原有思路中的缺陷。

中期评估前，我从ReAct提示框架相关论文中提取了“将人类语言文本分解为思考与行为”的思想，设计出“思考—行为”链，旨在运用格式化文本训练自然语言生成模型，但这一思路来源于普通神经网络训练，没有合理运用基于Transformer的大语言模型优势。因此，中期实验作为基于这一模型开展的测试，即使加入了其他提示技术进行对比测试，效果依旧不够理想。

果然还是自身能力不够，我在心中叹了口气。晚上躺在床上，我盯着天花板，反复思考ReAct框架的论文内容，排除原有的错误思路，最终想到如果不能对目标文本格式化处理，那么采用框架原有的拆解方法，加入内置知识库，是否能解决现有问题呢？

灵光一现后，借助ReAct框架在知识密集型任务和决策性任务上的优势，我重写了一版提示词，输入ChatGPT中进行修改编辑。那几天，我常常因编写提示词而殚精竭虑，许多时候面对满是文字的电脑，我毫无思路，只得花些时间放空大脑，断断续续地进行构思。

胡水

2023级英才计划计算机学科学生

就读于山东省青岛第二中学，师从山东大学汪云海教授，完成课题“运用大语言模型提示工程技术生成个性化英语听力文本”，为校内机器人社团社长，曾带领团队在BotBall中国区比赛中获得全国一等奖。