- 简介生成人工智能(GenAI)系统正在越来越多地部署在各行各业和研究领域。开发人员和最终用户通过提示或提示工程与这些系统进行交互。虽然提示是一个广泛研究的概念,但由于该领域的新生性质,存在术语冲突和对构成提示的本体论理解不足的问题。本文通过组装提示技术分类法并分析其使用,建立了对提示的结构化理解。我们提出了一个包含33个词汇术语的全面词汇表,一个包含58个仅文本提示技术的分类法,以及其他模态的40种技术。我们进一步对自然语言前缀提示的整个文献进行了元分析。
- 图表
- 解决问题建立提示(prompt)的分类体系以增强人工智能系统的交互性和可用性。
- 关键思路通过对提示技术的分类和分析,建立了包括33个术语的分类体系,包括58种文本提示技术和40种其他提示技术。此外,对自然语言前缀提示的整个文献进行了元分析。
- 其它亮点论文提供了一个全面的提示技术分类体系,为人工智能系统的设计和开发提供了指导。此外,对自然语言前缀提示的元分析可以帮助研究人员更好地理解这种提示技术的应用和效果。
- 最近的相关研究包括:《Prompt Engineering: A User-Centric Approach to Creating Robust Machine Learning Models》、《Towards a Taxonomy of Errors in Chatbot Design》、《The Power of Prompting: Comparing Language Models and Retrieval Models for Question Answering》等。
沙发等你来抢
去评论
评论
沙发等你来抢