大模型技术内参：39 种提示工程 在 29 种 NLP 任务精度对比

文章预览

大语言模型（LLMs）在许多不同的自然语言处理（NLP）任务中表现出色。提示工程需要编写称为提示的自然语言指令，以结构化方式从LLMs中提取知识。与以往的最新技术（SoTA）模型不同，提示工程不需要根据给定的NLP任务进行广泛的参数重新训练或微调，因此仅依赖于LLMs的嵌入知识。 《 在不同自然语言处理任务中的提示工程方法调查》 https://arxiv.org/pdf/2407.12994 在本文中，我们阅读并总结了44篇研究论文，这些论文讨论了39种不同的提示方法和29种不同的NLP任务。我们细说明了这些提示策略在各种数据集上的表现。 unset unset 提示词工程 unset unset 方法 1：基础/标准/普通提示 基础提示指的是直接向LLM提出查询的方法，而无需进行任何工程改进以提升LLM的性能，这是大多数提示策略背后的核心目标。基础提示在不同的研究论文中也被称为标准提示或普 ………………………………