Mar, 2022

PromptChainer：通过可视化编程连接大型语言模型提示

PDF
TL;DR探索了基于 LLMs 的多次运行串联（即 chaining）的可视化编程过程，引入一个交互式界面 PromptChainer 来支持用户构建各种机器学习应用的原型。
发现论文，激发创造
  • AI Chains: 通过大型语言模型提示链实现透明和可控的人工智能交互

    通过将不同步骤进行连锁，结合原语操作以及交互式系统的支持，可以提高大型语言模型的制约性、用户透明度和协作感，并可以为未来应用中提供多种诊断、校准和比较算法的方法。

    Oct, 2021

  • 长篇法律文件分类的大型语言模型提示链

    本研究采用逐次引导策略，以解决复杂的法律文件分类问题，通过创建原始文档的简洁摘要，语义搜索相关示例文本和标注，利用上下文学习进行标签提示，证明逐次引导不仅可以提升零样本性能，还可以超越更大模型（如 ChatGPT 零样本）的微平均 F1 得分，使用更小的模型。

    Aug, 2023

  • 迭代式提示预训练语言模型进行思维链构建

    本研究探索了一个迭代提示框架，用于让预训练语言模型具有多步推理能力，我们提出了一种基于上下文的迭代提示器，可以动态地合成提示，以捕捉不同推理步骤之间的变化。实验证明，该方法在多步推理方面具有很好的效果。

    Mar, 2022

  • 与提示问题的交互：使用大型语言模型进行编程教学的新方法

    通过 Prompt Problems 的方法，我们提出了一种新的教授编程的方式，学生可以通过将问题转化为语言模型（LLMs）所能理解的提示来解决编程问题，并且我们展示了这个工具的设计、学生使用情况以及将 LLMs 整合到设计工具中所带来的新型编程问题和洞见。

    Jan, 2024

  • 提示链接还是逐步提示？文本摘要中的改进

    通过对文本摘要的上下文进行比较，研究和对比了两种迭代方法，即 Prompt Chaining 和 Stepwise Prompt，发现 Prompt Chaining 方法具有更好的效果，可能是因为它可以产生更多的优化过程。

    Jun, 2024

  • 链式思考引导大型语言模型推理

    通过 chain of thought prompting 方法，在大型语言模型中提供少量的思维链示例可以显著提高其在各类数学、常识和符号推理任务上的性能，甚至超过 fine-tuned GPT-3。

    Jan, 2022

  • 我们能否将软提示应用于图学习任务的 LLM？

    通过 GraphPrompter 框架，将 Large Language Models（LLMs）与图形模态对齐，实现了 LLMs 在图相关任务中的重要性和效果。

    Feb, 2024

  • 自我确信的激励机制：反复审视下的少样本问答

    利用大规模预训练语言模型，通过迭代增强和定制提示来提升其在复杂任务中的性能。

    Oct, 2023

  • ChainForge：一个用于提示工程和 LLM 假设测试的可视化工具包

    ChainForge 是一个开源的可视化工具包，用于大型语言模型的提示工程和按需假设测试，它提供了一个图形界面，用于跨模型和提示变体之间的响应比较。

    Sep, 2023

  • 大型语言模型的提示速写

    在这项工作中，我们通过提出提示素描的新提示范式来解决使用序列查询大型语言模型 (LLMs) 的许多最近提示策略中存在的问题，该模型不仅通过完成提示来回答，而是通过在模板中预测多个变量的值来回答，从而使用户在生成过程中具有更多的控制，同时优化推理中整体模板的可能性。

    Nov, 2023