大型语言模型在不同自然语言处理任务中的提示工程方法综述

文章预览

大型语言模型（LLMs）在许多不同的自然语言处理（NLP）任务中表现出色。提示工程在提升LLMs已有能力的基础上，实现显著性能提升方面发挥了关键作用。提示工程需要撰写称为提示的自然语言指令，以结构化方式引导LLMs挖掘知识。与之前的最新技术（SoTA）模型不同，提示工程不需要根据特定NLP任务进行广泛的参数重新训练或微调，而是完全依赖于LLMs的内嵌知识。此外，LLM爱好者可以通过基本的自然语言对话交流或提示工程，智能地提取LLMs的知识，使更多没有深厚数学和机器学习背景的人也能尝试使用LLMs。 随着提示工程在过去两年中越来越受欢迎，研究人员提出了许多围绕提示设计的工程技术，以提高从LLMs提取信息的准确性 。在本文中，我们总结了不同的提示技术，并根据它们所应用的不同NLP任务进行分类。我们进一步细化地展示了这些提示 ………………………………