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
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
采用系统性方法对大型语言模型的提示技术进行分类，通过举例说明实际应用，为从业人员提供一个结构化的理解和分类提示技术的框架，以便更有效地利用大型语言模型的各种应用领域。
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。
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
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。
Aug, 2023
在这篇论文中，我们对高效提示的各种方法进行了全面的概述，包括使用高效计算和高效设计进行提示的方法，重点关注未来的研究方向。
Apr, 2024
本研究论文全面探索了自然语言处理领域中提示工程和生成的演变，从早期的语言模型和信息检索系统开始，追踪了多年来塑造提示工程的关键发展。
Sep, 2023
这篇文章介绍了 Prompt 工程技术的目录，包含适用于大型语言模型的多个生产输出和互动方面的工作中的问题的重复使用解决方案。
Feb, 2023
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