Prompt Engineering
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 16
- 보존된 평가 기록
- 191
Prompt engineering is the process of designing and refining the prompts used to generate text from language models, such as GPT-3 or similar models. The goal of prompt engineering is to improve the quality and relevance of the generated text by carefully crafting the prompts to elicit the desired responses from the model.
Prompt engineering involves several steps, including selecting the appropriate model architecture and parameters, designing the prompt format and structure, selecting the appropriate task and training data, and fine-tuning the model using the selected prompt and data.
Prompt engineering is a crucial step in the development of language models, as it can greatly influence the quality and effectiveness of the model's responses. By carefully designing and refining the prompts used to generate text, researchers and developers can improve the accuracy and relevance of the model's output, making it more useful for a wide range of applications, including chatbots, language translation, content creation, and more.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
CART: 대규모 언어 모델을 위한 폐루프 적응형 레드팀 테스팅
제약 기반 컨텍스트 엔지니어링: AI 시스템을 위한 도메인 인터페이스 설계
상태 기반 조건화(State-Grounded Conditioning): 방향이 실시간 상태에 따라 달라지는 사용자 대면 LLM 에이전트 래핑
압박 속 보고: LLM 통계 분석에서 사실적 아첨과 어조적 아첨의 분리
알고리즘 쇼핑: 에이전트 AI가 인간 휴리스틱을 대리 소비자로 활용하는 방식
NLP 과제로서의 치료: CBT 세션에서 LLM과 인간 동료 상담자의 행동 비교
ReasonLab: A Controlled and Auditable Evaluation of Prompting Techniques for Multiple-Choice QA
다국어 저자원 감정 탐지를 위한 멀티 에이전트 LLM에서 토폴로지와 다양성의 분리 분석
온-정책 증류에서 프롬프트 폭과 롤아웃 갱신의 상호작용
영향은 무효화가 아니다: diff가 아닌 주장(claim)에 대해 물어라
ClusterFewshot: LLM 워크플로를 위한 퓨샷 최적화 개선
LLM 탈옥 공격 방어를 위한 동적 딥 프롬프트 최적화
고등교육을 위한 강의 인텔리전스 플랫폼: AI 기반 강의 평가에서 얻은 교훈
더 나은 합성 데이터를 원하시나요? 스티어링하세요: 저자원 언어 생성을 위한 활성화 스티어링
You Frame It: 개념적 표현이 반유대주의에 대한 LLM 탐지 및 추론을 어떻게 형성하는가
폐쇄형 모델 적응에 필요한 것은 로짓뿐이다
RL-STaR: Self-Taught Reasoner를 위한 강화학습 프레임워크의 이론적 분석
수학적 발견을 위한 인간-AI 협업 워크플로: Grover 호환 리만 최적화 사례 연구
자율 운용 포트폴리오: 기관 자산 관리를 위한 에이전트형 아키텍처
APIOT: 베어 메탈 산업 OT 네트워크 전반의 자율 취약점 관리
공급망 관리에서 자율 AI 에이전트의 신뢰성과 효과
핵을 사용할 것인가 말 것인가: 고위험 의사결정 시뮬레이션에서 LLM의 (부재하는) 윤리적 추론과 행동
트랜스포머 혁명, 파트 1: 출력-가중치 상호연결을 통한 동적 처리
무엇과 비교할 것인가? LLM이 생성한 Infrastructure-as-Code를 위한 인간 기준 보안 벤치마크
AppliedScientist: 반복적 AI 리뷰를 통한 자동 과학 논문 수정
IntLawNER: 국제법 개체명 인식 데이터셋 및 벤치마크
MAWILE: LLM 평가자 검사를 위한 다축 워크벤치
신뢰할 수 있는 에이전틱 AI: 자율적 LLM 시스템을 위한 실패 모드, 완화 전략 및 생애주기 프레임워크
SelfOp: 자기 개선 보안 에이전트를 위한 최적화 알고리즘
PhysAI-Bench: 자율 무인 항공기(UAV) 중심 피지컬 AI에서의 LLM 기반 에이전트 의사결정을 위한 벤치마크
에이전틱 AI 보안의 연결 고리: 다차원 위협 분류 체계, 평가 성숙도 및 공개 도전 과제
퓨샷 예시는 대규모 언어 모델(LLM)의 문맥 내 세계 표현 활용을 유도한다
추론 토폴로지의 중요성: LLM 기반 사이버보안 분석에 대한 통제된 연구
World State Generator
논증을 분류만이 아니라 추출하기: 생성형 구성요소 탐지를 위한 지시 미세조정 LLM
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.