通过声明式众包重新审视提示工程

Aug, 2023

通过声明式众包重新审视提示工程

Revisiting Prompt Engineering via Declarative Crowdsourcing

Aditya G. Parameswaran, Shreya Shankar, Parth Asawa, Naman Jain, Yujie Wang

TL;DR大型语言模型（LLM）在理解和生成文本数据方面非常强大，但容易出错。本文提出了一种声明性提示工程方法，将 LLM 视为众包工作者，并借鉴了声明性众包文献的思想，包括多种提示策略、确保内部一致性和探索混合 LLM - 非 LLM 方法，使提示工程过程更加有原则。在排序、实体解析和插补方面的初步案例研究展示了我们方法的优势。

Abstract

large language models (LLMs) are incredibly powerful at comprehending and generating data in the form of text, but are brittle and error-prone. There has been an advent of toolkits and recipes centered around so-called prompt engineering-the process of asking an LLM to do something via

large language models prompt engineering llm-powered data processing workflows declarative prompt engineering hybrid-llm-non-llm approaches

发现论文，激发创造

大型语言模型中开发提示工程的潜力释放：综合回顾

该综述研究了快速建模在发挥大型语言模型的能力方面的关键作用，探讨了角色激励、单次指示、观点链、观点树等快速建模的基本原则和高级方法，并阐述了外部插件如何协助此任务并减少机器幻觉，强调了深入了解结构和代理角色在人工智能生成内容工具中的重要性，最后讨论了在教育和编程等领域中应用快速建模的实践和潜力。

Oct, 2023

企业中的提示工程实践探索

通过分析 Prompt 编辑行为和变化类型，以更好地理解 Prompt 工程实践，我们发现与大型语言模型的交互主要通过提示进行，并且有效提示设计取决于用户的迭代过程和目标的实现。

Mar, 2024

大型语言模型中关于提示工程的系统调查：技术与应用

本综述论文通过提供近期进展的结构化概述，对提示工程的不同方法和技术进行分类，详细介绍了提示方法学、应用领域、所使用的模型和数据集，并探讨了每种方法的优点、局限性以及通过分类图和表格总结了数据集、模型和关键点，从而更好地理解这一快速发展领域并为提示工程的未来研究提供洞察、揭示了开放性挑战和机遇。

Feb, 2024

Wordflow：大型语言模型的社交提示工程

大型语言模型（LLMs）需要精心设计的提示才能有效使用。在提示工程中，设计提示是一项具有挑战性的工作，特别是对于不熟悉人工智能技术的非专业人士来说。为填补这一研究空白，我们提出社交提示工程，这是一个借助社交计算技术促进合作性提示设计的新范式。我们介绍了 Wordflow，一个开源的社交文本编辑器，使普通用户能够轻松创建、运行、共享和发现 LLM 提示。Wordflow 还通过利用现代 Web 技术，允许用户在其浏览器中本地和私密地运行 LLMs。两个使用场景展示了社交提示工程和我们的工具如何增强普通用户与 LLMs 的互动。Wordflow 可以通过此 https URL 公开访问。

Jan, 2024

面向目标导向的大型语言模型提示：综述

大型语言模型在各种下游任务中表现出显著性能，而引导工程在优化大型语言模型性能中起着关键作用。本文通过回顾 35 项代表性研究，突出设计提示的局限性，同时保持一个期待大型语言模型像人类思考的人类化假设。通过引导大型语言模型按照建立的人类逻辑思维，我们展示目标导向的提示形式显著提高了大型语言模型的性能。此外，我们引入了一个新的分类法，将目标导向的提示方法分为五个相互关联的阶段，并通过总结十个可适用任务来展示我们框架的广泛适用性。我们提出了四个未来方向，希望进一步强调和推动目标导向的提示工程。

Jan, 2024

基于通信理论的大型语言模型的促进工程方法

大型语言模型的兴起改变了自然语言处理领域从单任务导向到全面的端到端多任务学习范式，其中基于大型语言模型的提示方法引起了广泛关注，尤其是由于提示工程的技术优势以及不同提示方法揭示的自然语言处理原理。本研究旨在通过建立通信理论框架来评述现有的提示工程方法，深入了解其中在四个典型任务中的发展趋势，并为未来的提示工程方法指明有前途的研究方向。

Oct, 2023

业务过程管理中的提示工程

使用 GPT-3 等自然语言处理模型在业务流程管理（BPM）领域中取得了成功，但需要 fine-tuning 以及大量适当的训练数据。为此，本文提出可以借助 prompt engineering 将这些语言模型能力引入 BPM 研究，并提出了相关潜力和挑战的研究议程。

Apr, 2023

大规模语言模型代理的自动提示工程规划

在这篇论文中，我们提出了一种名为 RePrompt 的新方法，通过从与 LLM 代理的交互中获取的聊天记录，逐步优化 LLM 代理的提示，从而使 LLM 在特定领域中学会规划，我们在 PDDL 生成和旅行规划的实验中证明了我们的方法可以提高不同推理任务的性能。

Jun, 2024

提示工程师的提示工程

通过构建元提示（meta-prompt）从而更有效地引导大型语言模型（LLMs）进行自动提示工程，进而优化其性能。

Nov, 2023

在教育和评估应用中探索提示式大型语言模型的能力

利用大语言模型在现代教育领域创新的机会，通过研究提问型大语言模型、语法错误解释和人力资源面试评估，揭示了大语言模型在改变教育实践中的潜力和限制。

May, 2024