我在日常用 GPT-4 翻译的时候，就会发现有时候 GPT 能给出很不错的质量的翻译，但有时候质量一般甚至比较差，所以我也尝试过一次生成多个翻译结果，然后从里面人工挑选最好的翻译，但是我当时想做而没有做到的是：

如何让 GPT 从里面帮我挑选一个最好的，或者将几个的优点结合组合成一个最好的结果。

昨天读了一篇来自浙大论文《Self-Contrast: Better Reflection Through Inconsistent Solving Perspectives》（作者之一 @spicysweet1859 ）

提到的方案相对就很系统了：

先让 LLM 根据请求生成几个不同风格的 prompt , 然后基于每一条 prompt 得到一个不同结果，然后对比这些结果之间的差异，基于这些差异总结出更有针对性的检查指令，用于反思，最后综合这些信息生成最终结果。

之所以不是直接一个Prompt生成多个结果，而是多个Prompt生成多个结果，是为了让生成的结果更多样，否则一个Prompt中的结果可能多样性不够，当然缺点是要费Token一些。但从性能上来说可能更好，因为可以并行生成。

另外对于特定任务其实不需要让LLM生成Prompt，应该人工生成Prompt效果也是一样的。

在跟作者沟通后了解到，这个方案最适合的其实不是翻译，而是推理：

> 我们这种 通过对比不同视角的responses之间的差异来启发反思的策略 对推理任务更有效果一些。 对于像翻译这类生成任务，我们实验发现其实也不需要多个视角，一个负面面视角和一个正面视角其实应该够用。这点宝玉老师您应该也介绍过。 by @spicysweet1859

推荐阅读：
https://t.co/9sjeaQ6yqq

点击图片查看原图

点击图片查看原图