Unleashing the potential of prompt engineering in Large Language Models: a comprehensive review

要約

このホワイト ペーパーでは、大規模言語モデル (LLM) の機能を解放する際のプロンプト エンジニアリングの極めて重要な役割について詳しく掘り下げます。
プロンプト エンジニアリングは、LLM の入力テキストを構造化するプロセスであり、LLM の有効性を最適化するために不可欠な手法です。
この調査では、役割プロンプト、ワンショット プロンプト、少数ショット プロンプトなどのプロンプト エンジニアリングの基本原則と、思考連鎖プロンプトや思考ツリー プロンプトなどのより高度な方法論が解明されています。
この論文では、プラグインの形での外部支援がこのタスクをどのように支援し、外部の知識を取得することで機械の幻覚を軽減できるかを明らかにしています。
続いて、人工知能生成コンテンツ (AIGC) ツールにおける構造とエージェントの役割をより深く理解する必要性を強調しながら、迅速な工学研究における将来の方向性を概説します。
さまざまな観点から、さまざまな方法を使用して、即時手法の有効性を評価する方法について説明します。
最後に、教育やプログラミングなどの分野におけるプロンプト エンジニアリングの応用に関する情報を収集し、その変革の可能性を示します。
この包括的な調査は、LLM とプロンプト エンジニアリングの大きな世界を冒険するすべての人にとって、フレンドリーなガイドとして機能することを目的としています。

要約(オリジナル)

This paper delves into the pivotal role of prompt engineering in unleashing the capabilities of Large Language Models (LLMs). Prompt engineering is the process of structuring input text for LLMs and is a technique integral to optimizing the efficacy of LLMs. This survey elucidates foundational principles of prompt engineering, such as role-prompting, one-shot, and few-shot prompting, as well as more advanced methodologies such as the chain-of-thought and tree-of-thoughts prompting. The paper sheds light on how external assistance in the form of plugins can assist in this task, and reduce machine hallucination by retrieving external knowledge. We subsequently delineate prospective directions in prompt engineering research, emphasizing the need for a deeper understanding of structures and the role of agents in Artificial Intelligence-Generated Content (AIGC) tools. We discuss how to assess the efficacy of prompt methods from different perspectives and using different methods. Finally, we gather information about the application of prompt engineering in such fields as education and programming, showing its transformative potential. This comprehensive survey aims to serve as a friendly guide for anyone venturing through the big world of LLMs and prompt engineering.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google