Kỹ thuậtPrompt — Thiết kế Hướng dẫn cho Mô hình Ngôn ngữ Lớn
Kỹ thuậtPrompt là thực hành soạn thảo các hướng dẫn ngôn ngữ tự nhiên có cấu trúc — prompts — để tạo ra các kết quả mục tiêu từ các mô hình ngôn ngữ lớn (LLMs). Được chuẩn hóa bởi Brown và cộng sự (2020) trong bối cảnh GPT-3 và mở rộng bởi Wei và cộng sự (2022) với kỹ thuật chuỗi suy nghĩ (chain-of-thought prompting), nó bao gồm bốn chiến lược chính: zero-shot, few-shot, chain-of-thought và tree-of-thought. Thay vì huấn luyện lại mô hình, nhà phân tích định hình hành vi của mô hình hoàn toàn thông qua thiết kế văn bản đầu vào.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/vi/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.
- Phân loại văn bản với số lượng ví dụ ít (Few-Shot Text Classification)Khai phá văn bản↔ compare
- Tinh chỉnh GPTHọc sâu↔ compare
- LoRA và PEFTHọc sâu↔ compare
- Sinh văn bản tự độngKhai phá văn bản↔ compare
- Sinh Tăng Cường Truy Xuất (RAG)Khai phá văn bản↔ compare
- Phân loại văn bảnKhai phá văn bản↔ compare
- Phân loại không cần huấn luyện (Zero-Shot Classification)Khai phá văn bản↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →