Inxhinieria e Promteve — Dizajni i Udhëzimeve për Modelet e Gjuhës së Madhe
Inxhinieria e promteve (prompt engineering) është praktika e krijimit të udhëzimeve të strukturuara në gjuhë natyrore — promte — për të nxjerrë rezultate të synuara nga modelet e gjuhës së madhe (LLM). E formalizuar nga Brown et al. (2020) në kontekstin e GPT-3 dhe e zgjeruar nga Wei et al. (2022) me "chain-of-thought prompting", ajo përfshin katër strategji kryesore: zero-shot, few-shot, chain-of-thought dhe tree-of-thought. Në vend që të ri-stërvitet një model, analisti formëson sjelljen e modelit tërësisht përmes dizajnit të tekstit hyrës.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/sq/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.
- Klasifikimi i teksteve me pak shembujNxjerrja e tekstit↔ compare
- Përsosja e GPT (GPT Fine-Tuning)Mësimi i thellë↔ compare
- LoRA dhe PEFTMësimi i thellë↔ compare
- Gjenerimi i Gjuhës NatyraleNxjerrja e tekstit↔ compare
- Përgjigje e Shtuar me Kërkim (RAG)Nxjerrja e tekstit↔ compare
- Klasifikimi i TekstitNxjerrja e tekstit↔ compare
- Klasifikimi Zero-ShotNxjerrja e tekstit↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →