Prompt Engineering — Iránymutatás-tervezés nagy nyelvi modellekhez
A prompt engineering (utasítás-tervezés) a strukturált, természetes nyelvű utasítások — promptok — létrehozásának gyakorlata, amelyek célzott kimeneteket váltanak ki nagy nyelvi modellekből (LLM-ek). A fogalmat Brown et al. (2020) vezette be a GPT-3 kontextusában, majd Wei et al. (2022) bővítette a gondolatmenet-láncolás (chain-of-thought) promptolással. Négy fő stratégiát foglal magában: nulla-lövéses (zero-shot), kevés-lövéses (few-shot), gondolatmenet-láncolás (chain-of-thought) és gondolatmenet-fa (tree-of-thought). A modell újratanítása helyett az elemző teljes mértékben a bemeneti szöveg tervezésével alakítja a modell viselkedését.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/hu/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.
- Néhány-példás szövegosztályozásSzövegbányászat↔ compare
- GPT finomhangolásMélytanulás↔ compare
- LoRA és PEFTMélytanulás↔ compare
- SzöveggenerálásSzövegbányászat↔ compare
- Visszakereséssel kiegészített generálás (RAG)Szövegbányászat↔ compare
- SzövegosztályozásSzövegbányászat↔ compare
- Nulla-lövéses besorolás – Szövegbesorolás betanítási adatok nélkülSzövegbányászat↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →