論文の概要: Wordflow: Social Prompt Engineering for Large Language Models

• arxiv url: http://arxiv.org/abs/2401.14447v1
• Date: Thu, 25 Jan 2024 18:58:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-29 16:46:40.178730
• Title: Wordflow: Social Prompt Engineering for Large Language Models
• Title（参考訳）: Wordflow: 大規模言語モデルのためのソーシャルプロンプトエンジニアリング
• Authors: Zijie J. Wang, Aishwarya Chakravarthy, David Munechika, Duen Horng Chau
• Abstract要約: 大規模言語モデル(LLM)は、効果的に使用するには巧妙なプロンプトを必要とする。 本稿では,ソーシャル・プロンプト・エンジニアリングを提案する。ソーシャル・プロンプト・エンジニアリングは,協調的なプロンプト・デザインを促進するために,ソーシャル・コンピューティング技術を活用する新しいパラダイムである。 オープンソースでソーシャルなテキストエディタであるWordflowを導入し,LLMプロンプトの作成,実行,共有,発見を容易にする。
• 参考スコア（独自算出の注目度）: 35.561152762837914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) require well-crafted prompts for effective use. Prompt engineering, the process of designing prompts, is challenging, particularly for non-experts who are less familiar with AI technologies. While researchers have proposed techniques and tools to assist LLM users in prompt design, these works primarily target AI application developers rather than non-experts. To address this research gap, we propose social prompt engineering, a novel paradigm that leverages social computing techniques to facilitate collaborative prompt design. To investigate social prompt engineering, we introduce Wordflow, an open-source and social text editor that enables everyday users to easily create, run, share, and discover LLM prompts. Additionally, by leveraging modern web technologies, Wordflow allows users to run LLMs locally and privately in their browsers. Two usage scenarios highlight how social prompt engineering and our tool can enhance laypeople's interaction with LLMs. Wordflow is publicly accessible at https://poloclub.github.io/wordflow.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、効果的に使用するには巧妙なプロンプトを必要とする。 プロンプト設計のプロセスであるプロンプトエンジニアリングは、特にai技術に精通していない非専門家にとって困難である。 研究者はLLMユーザを即時設計で支援する技術やツールを提案しているが、これらは主に非専門家ではなくAIアプリケーション開発者をターゲットにしている。 この研究のギャップに対処するため,我々は,協調的なプロンプトデザインを促進するために,ソーシャルコンピューティング技術を活用した新しいパラダイムであるソーシャル・プロンプト・エンジニアリングを提案する。 ソーシャル・プロンプト・エンジニアリングを調査するため,オープンソースかつソーシャルなテキストエディタであるWordflowを導入し,LLMプロンプトの作成,実行,共有,発見を容易にする。 さらに、最新のWeb技術を活用することで、WordflowはユーザーがブラウザでローカルおよびプライベートにLLMを実行できる。 2つの利用シナリオは、社会的なプロンプトエンジニアリングとツールが、LLMとの相互作用をいかに促進できるかを強調している。 wordflowはhttps://poloclub.github.io/wordflowで公開されている。

関連論文リスト

• LLMs: A Game-Changer for Software Engineers? [0.0]
  GPT-3やGPT-4のような大規模言語モデル(LLM)は、従来のAIアプリケーションを超えた機能を備えた画期的なイノベーションとして登場した。 ソフトウェア開発に革命をもたらす潜在能力は、ソフトウェアエンジニアリング(SE)コミュニティを魅了している。 この記事では、LCMはソフトウェアの開発方法を変えるだけでなく、開発者の役割を再定義するものである、と論じる。
  論文  参考訳（メタデータ） (2024-11-01T17:14:37Z)
• Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
  OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。 Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。 本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
  論文  参考訳（メタデータ） (2024-08-09T19:21:14Z)
• Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  大規模テキストコーパスで事前訓練されたLarge Language Models (LLMs) は、推奨システムを強化するための有望な道を示す。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• Efficient Prompting Methods for Large Language Models: A Survey [50.171011917404485]
  プロンプティングは、特定の自然言語処理タスクに大規模言語モデル(LLM)を適用するための主流パラダイムとなっている。 このアプローチは、LLMの振る舞いをガイドし、制御するために、モデル推論と人間の努力のさらなる計算負担をもたらす。 本稿では, 今後の研究の方向性を明らかにするため, 促進, 効率的な促進のための進歩を概説する。
  論文  参考訳（メタデータ） (2024-04-01T12:19:08Z)
• Revisiting Prompt Engineering via Declarative Crowdsourcing [16.624577543520093]
  大規模言語モデル(LLM)は、テキスト形式でデータを解釈し、生成するのに驚くほど強力ですが、脆弱でエラーを起こします。 私たちは宣言的な急進的なエンジニアリングのビジョンを打ち出した。 ソート、実体分解、計算に関する予備的ケーススタディは、我々のアプローチの可能性を実証している。
  論文  参考訳（メタデータ） (2023-08-07T18:04:12Z)
• Low-code LLM: Graphical User Interface over Large Language Models [115.08718239772107]
  本稿では,人間-LLMインタラクションフレームワークであるLow-code LLMを紹介する。 より制御可能で安定した応答を実現するために、6種類のシンプルなローコードビジュアルプログラミングインタラクションを組み込んでいる。 ユーザフレンドリなインタラクション,制御可能な生成,広い適用性という,低コード LLM の3つの利点を強調した。
  論文  参考訳（メタデータ） (2023-04-17T09:27:40Z)
• OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
  ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。 この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。 マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
  論文  参考訳（メタデータ） (2023-04-10T03:55:35Z)
• OpenPrompt: An Open-source Framework for Prompt-learning [59.17869696803559]
  PLM上でのプロンプト学習を行うための統一的な使いやすさツールキットであるOpenPromptを提案する。 OpenPromptは、効率性、モジュール性、拡張性を備えた、リサーチフレンドリーなフレームワークである。
  論文  参考訳（メタデータ） (2021-11-03T03:31:14Z)

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。