प्रॉम्प्ट इंजीनियरिंग — बड़े भाषा मॉडल के लिए निर्देश डिज़ाइन
प्रॉम्प्ट इंजीनियरिंग संरचित प्राकृतिक-भाषा निर्देशों — प्रॉम्प्ट — को तैयार करने का अभ्यास है ताकि बड़े भाषा मॉडल (LLM) से लक्षित आउटपुट प्राप्त किए जा सकें। इसे GPT-3 के संदर्भ में Brown et al. (2020) द्वारा औपचारिक रूप दिया गया और chain-of-thought prompting के साथ Wei et al. (2022) द्वारा विस्तारित किया गया, यह चार मुख्य रणनीतियों को शामिल करता है: ज़ीरो-शॉट, फ़्यू-शॉट, चेन-ऑफ़-थॉट, और ट्री-ऑफ़-थॉट। मॉडल को पुनः प्रशिक्षित करने के बजाय, विश्लेषक पूरी तरह से इनपुट टेक्स्ट के डिज़ाइन के माध्यम से मॉडल के व्यवहार को आकार देता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 33, 1877-1901. link ↗
- Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS), 35. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/hi/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.
- कुछ-शॉट पाठ वर्गीकरणपाठ खनन↔ compare
- जीपीटी फाइन-ट्यूनिंगगहन अधिगम↔ compare
- लोरा और पीईएफटीगहन अधिगम↔ compare
- प्राकृतिक भाषा जनरेशनपाठ खनन↔ compare
- पुनर्प्राप्ति-संवर्धित जनन (RAG)पाठ खनन↔ compare
- पाठ वर्गीकरणपाठ खनन↔ compare
- शून्य-शॉट वर्गीकरणपाठ खनन↔ compare