Inžinierstvo promptov — Návrh inštrukcií pre veľké jazykové modely
Inžinierstvo promptov je prax vytvárania štruktúrovaných inštrukcií v prirodzenom jazyku — promptov — na vyvolanie cielených výstupov z veľkých jazykových modelov (LLM). Formalizované Brownom et al. (2020) v kontexte GPT-3 a rozšírené Wei et al. (2022) pomocou reťazca myšlienok (chain-of-thought prompting), zahŕňa štyri hlavné stratégie: zero-shot, few-shot, chain-of-thought a tree-of-thought. Namiesto opätovného trénovania modelu analytik formuje správanie modelu výlučne prostredníctvom návrhu vstupného textu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/sk/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.
- Klasifikácia textu s malým počtom príkladov (Few-Shot Text Classification)Dolovanie textu↔ compare
- Dolaďovanie GPTHlboké učenie↔ compare
- LoRA a PEFTHlboké učenie↔ compare
- Generovanie prirodzeného jazykaDolovanie textu↔ compare
- Generovanie s rozšírením vyhľadávaním (RAG)Dolovanie textu↔ compare
- Klasifikácia textuDolovanie textu↔ compare
- Zero-Shot ClassificationDolovanie textu↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →