MIT最新研究揭示，生成式AI性能提升的50%来自用户优化的提示词，而非仅仅是模型升级。关键发现包括：
• 实验涵盖约1900人，18,000+次提示词输入，比较DALL·E 2与DALL·E 3表现。
• 使用更先进模型DALL·E 3时，用户自然写出24%更长、更具描述性的提示词，且提示风格更统一，表现明显提升。
• 用户通过反复试验快速掌握提示撰写技巧，无需技术背景，提示工程成为一项普适可学的数字素养。
• 自动提示词改写（如GPT-4自动重写）反而导致性能下降58%，因误解用户意图或增加无关内容，警示工具开发者勿盲目过度自动化。
• 提示词优化与模型升级同样重要，尤其对初学者帮助最大，有助缩小用户性能差距，实现更公平的AI应用。
• 企业应从单纯追求模型升级，转向培训员工提升提示技能，打造支持试验和反馈的交互界面，将提示质量纳入关键绩效指标。
• 提示工程不是技术黑魔法，而是一种沟通精准表达能力，是解锁AI潜力的半壁江山。
深入阅读👉 arxiv.org/abs/2407.14333
生成式AI 提示工程 人工智能应用 数字素养 AI性能提升
