让 Qwen 输出前自检
「仔细检查」给不出可执行的动作;把自检写成输出前逐条核对的清单,并配上官方评测句式那样的格式契约(answer 字段只放选项字母),模型的自我复核才有抓手。
一、前提与适用
| 前提 | 说明 |
|---|---|
| 适用任务 | 选择题、抽取、分类等答案形态可枚举的任务 |
| 官方依据 | 官方模型卡评测句式:选择题 answer 字段只放选项字母;数学题答案放 \boxed{} |
| 不适用 | 开放式生成(写文案、改写)——没有可枚举的答案形态,自检清单改用要素核对 |
| 核心手段 | 自检条件写进提示词,而不是写「请仔细检查再回答」 |
二、怎么做
自检三件套:核对项、核对时机、格式契约。
- 核对项写成可判定的句子。「检查有没有错」不可判定,「answer 字段只放选项字母,不放句子」可判定——每条自检都要能回答「通过还是不通过」。
- 核对时机固定为输出前。写成「输出前逐条核对」,让复核发生在生成答案与输出之间,而不是事后补救。
- 格式契约收紧出口。JSON 输出加字段约束,选择题沿用官方评测句式——answer 字段只放选项字母(如
"answer": "C"),提取程序按字段取值,不解析自然语言。
坏写法:
这道选择题请仔细想清楚再回答,别答错。
「仔细想清楚」没有核对项、「别答错」没有兜底动作——两句叮嘱都不参与执行,模型该怎么答还怎么答。
改写后的完整提示词:
从下列选项中选出正确答案,按 JSON 输出:{"answer": "字母"}。
自检要求(输出前逐条核对):
1. answer 字段只放选项字母,不放句子、不放解释。
2. 重新读题干限定词「默认」,逐个比对四个选项的默认传输协议,再定答案。
3. 若两个选项都看似正确,回到第 2 条重新比对。
题目:下列哪个协议默认使用 UDP 传输?
A. HTTP
B. DNS
C. SSH
D. FTP
三处升级:输出形态钉成 JSON、自检三条全部可判定、第 2 条把核对动作落到「题干限定词」这个具体对象上。
「答案是否合法」可以做成可跑检查:
## EXPECT: answer字段合法=1 非字母杂质=0
import json, re
REPLY = '{"answer": "B"}'
ans = json.loads(REPLY)["answer"]
ok = int(bool(re.fullmatch(r"[A-D]", ans)))
extra = len(re.sub(r"[A-D]", "", ans))
print(f"answer字段合法={ok} 非字母杂质={extra}")
实测输出与判定:脚本实跑输出与首行注释一致。逐条判定:answer 值为单个大写字母、合法性判定通过、非字母杂质为 0——格式契约与自检清单同时收口。判定器按单条回复验证,生产代码把 REPLY 换成真实响应即可复用。
怎么看这个示例:判定器是本地脚本,上面那条提示词另在 qwen3.7-max(temperature=0.7、top_p=0.8) 上实测;脚本输出不等于模型输出,两者分别核对。
模型回复(真实输出节选):
{"answer": "B"}

以上为模型真实回复的节选,实测日期 2026-11-16。
三、参数与边界
| 边界 | 说明 |
|---|---|
| 自检条数 | 2–4 条为宜;条数过多模型按顺序执行时会挤占输出预算 |
| 契约强度 | JSON 字段约束强于自然语言叮嘱;两者冲突时模型优先跟结构化契约 |
| 官方句式适用面 | answer 只放字母、\boxed{} 答案位置均为评测口径,套用到开放任务需自行设计核对项 |
| 误判残留 | 自检降低但不根除错答,高风险场景仍需程序侧复核答案 |
四、验收清单
| 检查项 | 通过标准 |
|---|---|
| 自检可判定 | 每条自检都能明确回答通过与否,无「仔细」「认真」类空叮嘱 |
| 时机明确 | 自检标注在输出前执行,不是事后道歉式补救 |
| 出口收紧 | 答案以结构化字段输出,提取程序无需解析自然语言 |
| 停手条件 | 加了自检仍连续答错,先改题干限定词表述而不是堆更多核对条 |
五、注意与相关
自检清单的本质是把「人怎么验收」翻译成「模型怎么核对」,清单条目质量决定复核质量。格式契约里 answer 只放字母、\boxed{} 定答案位,都来自官方模型卡评测口径(数学题写法见 还要不要让 Qwen 一步步想);自检与结构化输出叠加时,字段规范以 3.2 的 Schema 写法为准。多轮任务里自检清单要随轮重述,跨轮沿用规则见 大需求怎么拆成 Qwen 多轮对话。

TRAE-AI编程


更多建议: