Fugu-MT 論文翻訳(概要): Prompt Design and Engineering: Introduction and Advanced Methods

論文の概要: Prompt Design and Engineering: Introduction and Advanced Methods

arxiv url: http://arxiv.org/abs/2401.14423v2
Date: Tue, 30 Jan 2024 07:06:21 GMT
ステータス: 処理完了
システム内更新日: 2024-01-31 17:53:20.698541
Title: Prompt Design and Engineering: Introduction and Advanced Methods
Title（参考訳）: プロンプトデザインとエンジニアリング:序論と先進的手法
Authors: Xavier Amatriain
Abstract要約: 主な概念と設計アプローチを紹介します。 LLMベースのエージェントを設計するために必要なものまで、より高度な技術を提供しています。
参考スコア（独自算出の注目度）: 13.515965758160217
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Prompt design and engineering has become an important discipline in just the past few months. In this paper, we provide an introduction to the main concepts and design approaches. We also provide more advanced techniques all the way to those needed to design LLM-based agents. We finish by providing a list of existing tools for prompt engineering.
Abstract（参考訳）: デザインとエンジニアリングの迅速化は、この数ヶ月で重要な分野になった。本稿では,主な概念と設計アプローチについて紹介する。また、LSMベースのエージェントを設計するために必要なものまで、より高度な技術を提供しています。最後に、プロンプトエンジニアリングのための既存のツールのリストを提供することで締めくくります。

関連論文リスト

Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering [51.31836988300326]
検証工学は、基礎モデルの時代のために特別に設計された新しいポストトレーニングパラダイムである。検証工学のプロセスは,検索,検証,フィードバックの3段階に分類する。
論文参考訳（メタデータ） (2024-11-18T12:04:52Z)
Do Advanced Language Models Eliminate the Need for Prompt Engineering in Software Engineering? [18.726229967976316]
本稿では,高度大言語モデル (LLM) の文脈における様々な迅速な工学的手法を再評価する。以上の結果から, 先進モデルに適用した場合, 先進モデルに適用した場合, 早期のLLM開発技術により, メリットが低下したり, 性能が低下する可能性が示唆された。
論文参考訳（メタデータ） (2024-11-04T13:56:37Z)
Inference Optimization of Foundation Models on AI Accelerators [68.24450520773688]
トランスフォーマーアーキテクチャを備えた大規模言語モデル(LLM)を含む強力な基礎モデルは、ジェネレーティブAIの新たな時代を支えている。モデルパラメータの数が数十億に達すると、実際のシナリオにおける推論コストと高いレイテンシーが排除される。このチュートリアルでは、AIアクセラレータを用いた補完推論最適化テクニックに関する包括的な議論を行っている。
論文参考訳（メタデータ） (2024-07-12T09:24:34Z)
Towards Goal-oriented Prompt Engineering for Large Language Models: A Survey [4.362755917924305]
大規模言語モデル(LLM)は、様々な下流タスクで顕著なパフォーマンスを示している。本稿では,人為的仮定に基づく設計プロンプトの限界を明らかにすることを目的とする。
論文参考訳（メタデータ） (2024-01-25T09:47:55Z)
Online Advertisements with LLMs: Opportunities and Challenges [51.96140910798771]
本稿では,オンライン広告システムにおけるLarge Language Models(LLM)の活用の可能性について検討する。提案手法は,LLM広告の修正,入札,予測,オークションモジュールから構成される。
論文参考訳（メタデータ） (2023-11-11T02:13:32Z)
Unleashing the potential of prompt engineering in Large Language Models: a comprehensive review [1.6006550105523192]
大規模言語モデル(LLM)の能力を解き放つ上で,迅速なエンジニアリングが果たす重要な役割を概観する自己整合性、思考の連鎖、そして生成された知識などの技術を含む、素早い工学の基礎的方法論と先進的な方法論の両方を検査する。レビューはまた、AI能力の進歩におけるエンジニアリングの急進的な役割を反映し、将来の研究と応用のための構造化されたフレームワークを提供する。
論文参考訳（メタデータ） (2023-10-23T09:15:18Z)
Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文参考訳（メタデータ） (2023-07-05T06:03:40Z)
Review of Large Vision Models and Visual Prompt Engineering [50.63394642549947]
レビューは、大きな視覚モデルと視覚プロンプトエンジニアリングのためにコンピュータビジョン領域で使用される手法を要約することを目的としている。本稿では、視覚領域における影響力のある大規模モデルと、これらのモデルに使用される一連のプロンプトエンジニアリング手法を提案する。
論文参考訳（メタデータ） (2023-07-03T08:48:49Z)
Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文参考訳（メタデータ） (2022-02-28T06:28:44Z)
Designing Machine Learning Toolboxes: Concepts, Principles and Patterns [0.0]
AIモデリングツールボックスの設計における重要なパターンについて概説する。我々の分析では、既存のツールボックスの設計だけでなく、新しいツールボックスの開発も説明できます。
論文参考訳（メタデータ） (2021-01-13T08:55:15Z)

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。