Process / pipeline

Μηχανική Προτροπών — Σχεδιασμός Οδηγιών για Μεγάλα Γλωσσικά Μοντέλα

Η μηχανική προτροπών (prompt engineering) είναι η πρακτική της διαμόρφωσης δομημένων οδηγιών φυσικής γλώσσας — προτροπών (prompts) — για την παραγωγή στοχευμένων αποτελεσμάτων από μεγάλα γλωσσικά μοντέλα (LLMs). Τυποποιήθηκε από τους Brown et al. (2020) στο πλαίσιο του GPT-3 και επεκτάθηκε από τους Wei et al. (2022) με την προτροπή αλυσιδωτής σκέψης (chain-of-thought prompting), περιλαμβάνοντας τέσσερις κύριες στρατηγικές: μηδενικών δειγμάτων (zero-shot), λίγων δειγμάτων (few-shot), αλυσιδωτής σκέψης (chain-of-thought) και δέντρου σκέψης (tree-of-thought). Αντί να επανεκπαιδεύεται ένα μοντέλο, ο αναλυτής διαμορφώνει τη συμπεριφορά του μοντέλου αποκλειστικά μέσω του σχεδιασμού του κειμένου εισόδου.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/el/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)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/text-mining/prompt-engineering · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026