論文の概要: Promptor: A Conversational and Autonomous Prompt Generation Agent for Intelligent Text Entry Techniques

• arxiv url: http://arxiv.org/abs/2310.08101v2
• Date: Sun, 15 Oct 2023 06:59:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 10:27:47.260700
• Title: Promptor: A Conversational and Autonomous Prompt Generation Agent for Intelligent Text Entry Techniques
• Title（参考訳）: Promptor: インテリジェントテキスト入力技術のための会話型および自律型Prompt生成エージェント
• Authors: Junxiao Shen, John J. Dudley, Jingyao Zheng, Bill Byrne, Per Ola Kristensson
• Abstract要約: 本稿では,対話型プロンプト生成エージェントであるPromptorについて紹介する。 我々は,24人の参加者が3つの知的テキスト入力タスクのプロンプトを作成するユーザスタディを行った。 その結果,プロンプター設計によるプロンプターの類似性は35%増加し,コヒーレンスも22%向上した。
• 参考スコア（独自算出の注目度）: 36.109802898310306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Text entry is an essential task in our day-to-day digital interactions. Numerous intelligent features have been developed to streamline this process, making text entry more effective, efficient, and fluid. These improvements include sentence prediction and user personalization. However, as deep learning-based language models become the norm for these advanced features, the necessity for data collection and model fine-tuning increases. These challenges can be mitigated by harnessing the in-context learning capability of large language models such as GPT-3.5. This unique feature allows the language model to acquire new skills through prompts, eliminating the need for data collection and fine-tuning. Consequently, large language models can learn various text prediction techniques. We initially showed that, for a sentence prediction task, merely prompting GPT-3.5 surpassed a GPT-2 backed system and is comparable with a fine-tuned GPT-3.5 model, with the latter two methods requiring costly data collection, fine-tuning and post-processing. However, the task of prompting large language models to specialize in specific text prediction tasks can be challenging, particularly for designers without expertise in prompt engineering. To address this, we introduce Promptor, a conversational prompt generation agent designed to engage proactively with designers. Promptor can automatically generate complex prompts tailored to meet specific needs, thus offering a solution to this challenge. We conducted a user study involving 24 participants creating prompts for three intelligent text entry tasks, half of the participants used Promptor while the other half designed prompts themselves. The results show that Promptor-designed prompts result in a 35% increase in similarity and 22% in coherence over those by designers.
• Abstract（参考訳）: テキスト入力は、日々のデジタルインタラクションにおいて不可欠なタスクです。 このプロセスを合理化するために、テキスト入力をより効率的、効率的、流動的にするために、多くの知的な特徴が開発されている。 これらの改善には、文予測とユーザパーソナライゼーションが含まれる。 しかし、深層学習に基づく言語モデルがこれらの高度な機能の標準となるにつれ、データ収集やモデル微調整の必要性が高まっている。 これらの課題は、GPT-3.5のような大規模言語モデルのコンテキスト内学習能力を活用することで軽減することができる。 このユニークな機能により、言語モデルはプロンプトを通じて新しいスキルを取得でき、データ収集や微調整の必要がなくなる。 その結果、大規模言語モデルは様々なテキスト予測技術を学ぶことができる。 まず, 文予測タスクにおいて, GPT-3.5が GPT-2 のバックアップシステムを超え, GPT-3.5 モデルと同等であり, 後者の2つの手法は, コストのかかるデータ収集, 微調整, 後処理を必要とすることを示した。 しかし、特にプロンプトエンジニアリングの専門知識を持たない設計者にとって、特定のテキスト予測タスクを専門とする大きな言語モデルを促すタスクは困難である。 そこで本稿では,デザイナーと積極的に対話するための対話型プロンプト生成エージェントであるPromptorを紹介する。 Promptorは、特定のニーズを満たすように調整された複雑なプロンプトを自動的に生成する。 24名の参加者が3つのインテリジェントテキスト入力タスクのプロンプトを作成し,その半数がプロンプトを使用して,残りの半分がプロンプトを独自に設計した。 その結果,プロンプターが設計したプロンプトでは,類似度が35%,コヒーレンスが22%向上した。

関連論文リスト

• Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition [110.8431434620642]
  生成音声の書き起こし誤り訂正(GenSEC)の課題について紹介する。 この課題は、(i)ASR後の転写補正、(ii)話者タグ付け、(iii)感情認識という、3つのASR後の言語モデリングタスクを含む。 本稿では,ベースライン評価から得られた知見と,今後の評価設計における教訓について論じる。
  論文  参考訳（メタデータ） (2024-09-15T16:32:49Z)
• What Do You Want? User-centric Prompt Generation for Text-to-image Synthesis via Multi-turn Guidance [23.411806572667707]
  テキスト・ツー・イメージ合成(TIS)モデルは、テキスト・プロンプトの品質と特異性に大きく依存している。 既存のソリューションは、ユーザクエリから自動モデル優先のプロンプト生成を通じてこれを緩和する。 ユーザ中心性を重視したマルチターン対話型TISプロンプト生成モデルであるDialPromptを提案する。
  論文  参考訳（メタデータ） (2024-08-23T08:35:35Z)
• Prompt Mining for Language-based Human Mobility Forecasting [10.325794804095889]
  本稿では,言語に基づくモビリティ予測における迅速なマイニングのための新しいフレームワークを提案する。 本発明のフレームワークは、プロンプトの情報エントロピーに基づく即時生成段階と、思考の連鎖などのメカニズムを統合する即時改善段階とを含む。
  論文  参考訳（メタデータ） (2024-03-06T08:43:30Z)
• Empirical Study of Large Language Models as Automated Essay Scoring Tools in English Composition__Taking TOEFL Independent Writing Task for Example [25.220438332156114]
  本研究では,大規模言語モデルの顕著な代表者であるChatGPTの機能と制約を評価することを目的とする。 本研究はChatGPTを用いて,小さなサンプルサイズであっても,英語エッセイの自動評価を行う。
  論文  参考訳（メタデータ） (2024-01-07T07:13:50Z)
• Automatic and Human-AI Interactive Text Generation [27.05024520190722]
  本チュートリアルは、最先端の自然言語生成研究の概要を提供する。 テキストからテキストへの生成タスクは、セマンティック一貫性とターゲット言語スタイルの観点からより制約される。
  論文  参考訳（メタデータ） (2023-10-05T20:26:15Z)
• MetricPrompt: Prompting Model as a Relevance Metric for Few-shot Text Classification [65.51149771074944]
  MetricPromptは、数発のテキスト分類タスクをテキストペア関連性推定タスクに書き換えることで、言語設計の難易度を緩和する。 広範に使われている3つのテキスト分類データセットを4つのショット・セッティングで実験する。 結果から,MetricPromptは,手動弁証法や自動弁証法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-06-15T06:51:35Z)
• Prompting the Hidden Talent of Web-Scale Speech Models for Zero-Shot Task Generalization [61.60501633397704]
  本稿では,最近提案されたWebスケール音声モデルのWhisperの創発的能力について検討する。 タスク固有のプロンプトを、別の大規模モデルを活用するか、あるいはデフォルトのプロンプトで特別なトークンを操作するだけで設計する。 実験の結果,提案手法は3つのゼロショットタスクで10%から45%向上し,SotAの教師付きモデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-05-18T16:32:58Z)
• Interactive and Visual Prompt Engineering for Ad-hoc Task Adaptation with Large Language Models [116.25562358482962]
  最先端のニューラルネットワークモデルは、教師付きトレーニングを必要とせずに、アドホックな言語タスクを解決するために使用することができる。 PromptIDEを使えば、ユーザはプロンプトのバリエーションを試すことができ、プロンプトのパフォーマンスを視覚化し、反復的にプロンプトを最適化できる。
  論文  参考訳（メタデータ） (2022-08-16T17:17:53Z)
• Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
  ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。 現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。 グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
  論文  参考訳（メタデータ） (2021-10-15T14:36:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。