Prompt Engineering
Prompt engineering is the practice of crafting structured natural-language instructions — prompts — to elicit targeted outputs from large language models (LLMs). Formalised by Brown et al. (2020) in the context of GPT-3 and extended by Wei et al. (2022) with chain-of-thought prompting, it encompasses four main strategies: zero-shot, few-shot, chain-of-thought, and tree-of-thought. Rather than re-training a model, the analyst shapes the model's behaviour entirely through the design of the input text.
Изворни запис
Цитирани радови су копирани дословно из изворног записа методе. Из њих се не изводи верификација на нивоу тврдње.
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 33, 1877-1901. · URL
- Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS), 35. · URL
Куроване тврдње
Тврдње су сачуване у регистру доказа, свака са својом проценом.
Овај приказ не измишља процену тврдње када регистар нема ниједну.
Сродне методе
Генерисано из графа метода и приказано као машински предложене везе — не изводи се тврдња доказа.