大语言模型的高效提示方法：综述

文章预览

24年4月东北大学的论文“Efficient Prompting Methods for Large Language Models: A Survey”。 提示已成为将大语言模型 (LLM) 应用于特定自然语言处理任务的主流范例。虽然这种方法为 LLM 的上下文学习ICL打开了大门，但它带来了模型推理的额外计算负担和手工设计提示的人力，特别是使用冗长而复杂的提示来指导和控制 LLM 的行为。本文对这些方法进行全面的概述。从高层次上讲，高效提示方法大致可分为两种方法：高效计算的提示和高效设计的提示。前者涉及各种压缩提示的方式，而后者采用自动化的提示优化技术。 大语言模型 (LLM) 在各种自然语言处理 (NLP) 任务上取得了显著的进步，例如聊天、机器翻译和摘要。提示是人机交互的重要媒介，可以明确地向 LLM 传递清晰的任务描述，然后 LLM 通过类比学习（analogical learning）生成用户想要的响应。提示的内容可 ………………………………