PulseAugur
实时 18:03:42
English(EN) Rewriting XML-Delimited Prompts for a Model That Does Not Favour XML

Anthropic、OpenAI的提示工程风格在分隔符上存在差异

Anthropic和OpenAI的提示工程指南有所不同,Anthropic推荐使用XML标签,而OpenAI则倾向于使用Markdown标题。这种区别产生的原因是语言模型不像解析代码那样解析提示;相反,分隔符的有效性是从训练数据中学习到的。分隔符的选择会影响代币成本,因为XML标签比Markdown标题消耗更多的代币,因此后者对于频繁提示来说更经济。 AI

影响 强调了提示结构如何影响模型行为和代币成本,从而影响AI运营商的效率。

排序理由 该条目讨论了提示工程的最佳实践以及两大AI实验室之间的差异,提供了分析而非新发布或事件。

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Anthropic、OpenAI的提示工程风格在分隔符上存在差异

报道来源 [1]

  1. dev.to — LLM tag TIER_1 English(EN) · Multigrid ·

    为不偏好XML的模型重写XML分隔的提示

    <p>Anthropic’s prompt engineering documentation recommends structuring prompts with XML tags; OpenAI’s guidance leans on clear section delimiters such as markdown headings and triple quotes. Both are describing a learned preference, not a parser. Converting between them is straig…