PromptLab：测试大型语言模型实际有效方法的AI代理

作者测试了威胁、内疚或奉承是否会影响大型语言模型在估算无标签图表数值时的行为；在500次试验中，威胁表现较差，奉承略有帮助，结果依赖于模型、任务以及提示是否提及评估；结论是轶事过度泛化，需要可重复的实验。