Process / pipeline

Prompt Engineering — Návrh instrukcí pro velké jazykové modely

Prompt engineering je praxe vytváření strukturovaných instrukcí v přirozeném jazyce – promptů – s cílem získat cílené výstupy z velkých jazykových modelů (LLM). Formalizováno Brownem et al. (2020) v kontextu GPT-3 a rozšířeno Wei et al. (2022) o řetězec myšlenek (chain-of-thought prompting), zahrnuje čtyři hlavní strategie: zero-shot, few-shot, chain-of-thought a tree-of-thought. Namísto přeškolování modelu analytik formuje chování modelu výhradně prostřednictvím návrhu vstupního textu.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Brown, T. et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 33, 1877-1901. link
  2. Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS), 35. link

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/cs/text-mining/prompt-engineering

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGatePrompt Engineering (Prompt Engineering (Instruction Design for Large Language Models)). Získáno 2026-06-15 z https://scholargate.app/cs/text-mining/prompt-engineering · Datová sada: https://doi.org/10.5281/zenodo.20539026