Prompt Engineering — Instruktionsdesign för stora språkmodeller

Prompt engineering är metoden att utforma strukturerade instruktioner i naturligt språk – prompter – för att framkalla målinriktade utdata från stora språkmodeller (LLM). Metoden formaliserades av Brown et al. (2020) i samband med GPT-3 och utvidgades av Wei et al. (2022) med chain-of-thought prompting. Den omfattar fyra huvudstrategier: zero-shot, few-shot, chain-of-thought och tree-of-thought. Istället för att träna om en modell formar analytikern modellens beteende helt genom utformningen av intexten.