Process / pipeline

Промпт-инжиниринг — разработка инструкций для больших языковых моделей

Промпт-инжиниринг — это практика создания структурированных инструкций на естественном языке (промптов) для получения целевых результатов от больших языковых моделей (БЯМ). Формализованный Брауном и соавт. (2020) в контексте GPT-3 и расширенный Вэй и соавт. (2022) с помощью промптинга "цепочка рассуждений", он включает четыре основные стратегии: "нулевой выстрел" (zero-shot), "несколько выстрелов" (few-shot), "цепочка рассуждений" (chain-of-thought) и "дерево рассуждений" (tree-of-thought). Вместо переобучения модели аналитик формирует ее поведение исключительно посредством разработки входного текста.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/ru/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)). Получено 2026-06-15 из https://scholargate.app/ru/text-mining/prompt-engineering · Набор данных: https://doi.org/10.5281/zenodo.20539026