Prompt Engineering — การออกแบบคำสั่งสำหรับแบบจำลองภาษาขนาดใหญ่

Prompt engineering คือแนวปฏิบัติในการสร้างคำสั่งภาษาธรรมชาติที่มีโครงสร้าง — พรอมต์ — เพื่อให้ได้ผลลัพธ์ที่ต้องการจากแบบจำลองภาษาขนาดใหญ่ (LLMs) แนวคิดนี้ได้รับการทำให้เป็นทางการโดย Brown et al. (2020) ในบริบทของ GPT-3 และขยายโดย Wei et al. (2022) ด้วย chain-of-thought prompting ซึ่งครอบคลุมกลยุทธ์หลักสี่ประการ: zero-shot, few-shot, chain-of-thought และ tree-of-thought แทนที่จะฝึกแบบจำลองใหม่ นักวิเคราะห์จะปรับพฤติกรรมของแบบจำลองผ่านการออกแบบข้อความอินพุตเท่านั้น