論文の概要: The Prompt Report: A Systematic Survey of Prompt Engineering Techniques

• arxiv url: http://arxiv.org/abs/2406.06608v6
• Date: Wed, 26 Feb 2025 18:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 17:39:51.038863
• Title: The Prompt Report: A Systematic Survey of Prompt Engineering Techniques
• Title（参考訳）: The Prompt Report: A Systematic Survey of Prompt Engineering Techniques
• Abstract要約: 生成的人工知能システムは、様々な産業や研究領域に展開されつつある。 工学は矛盾する用語と 存在論的理解に苦しむ 本研究は,プロンプト技術と応用分析の分類を組み込むことにより,プロンプトエンジニアリングの構造化された理解を確立する。
• 参考スコア（独自算出の注目度）: 42.618971816813385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Artificial Intelligence (GenAI) systems are increasingly being deployed across diverse industries and research domains. Developers and end-users interact with these systems through the use of prompting and prompt engineering. Although prompt engineering is a widely adopted and extensively researched area, it suffers from conflicting terminology and a fragmented ontological understanding of what constitutes an effective prompt due to its relatively recent emergence. We establish a structured understanding of prompt engineering by assembling a taxonomy of prompting techniques and analyzing their applications. We present a detailed vocabulary of 33 vocabulary terms, a taxonomy of 58 LLM prompting techniques, and 40 techniques for other modalities. Additionally, we provide best practices and guidelines for prompt engineering, including advice for prompting state-of-the-art (SOTA) LLMs such as ChatGPT. We further present a meta-analysis of the entire literature on natural language prefix-prompting. As a culmination of these efforts, this paper presents the most comprehensive survey on prompt engineering to date.
• Abstract（参考訳）: 生成人工知能(GenAI)システムは、様々な産業や研究領域に展開されつつある。 開発者とエンドユーザは,エンジニアリングの促進と促進を通じて,これらのシステムと対話する。 プロンプトエンジニアリングは広く採用され、広く研究されている分野であるが、比較的最近の出現によって効果的なプロンプトを構成するものについての矛盾した用語と断片化された存在論的理解に悩まされている。 本研究は,プロンプト技術と応用分析の分類を組み込むことにより,プロンプトエンジニアリングの構造化された理解を確立する。 本稿では,33の語彙の詳細な語彙,58のLDMの分類,40の手法について述べる。 さらに,ChatGPT などの最先端(SOTA) LLM の推進を含む,迅速なエンジニアリングのためのベストプラクティスやガイドラインも提供する。 さらに、自然言語のプレフィックス・プロンプティングに関する文献全体をメタ分析する。 本研究は,これらの取り組みの成果として,これまでで最も総合的な研究成果を提示する。

関連論文リスト

• Deep Research: A Systematic Survey [118.82795024422722]
  Deep Research (DR)は、大規模言語モデルの推論能力と検索エンジンなどの外部ツールを組み合わせることを目的としている。 本調査は,深層研究システムの包括的かつ体系的な概要を提示する。
  論文  参考訳（メタデータ） (2025-11-24T15:28:28Z)
• The Prompt Engineering Report Distilled: Quick Start Guide for Life Sciences [0.016851255229980582]
  本報告では、ゼロショット、少数ショットアプローチ、思考生成、アンサンブル、自己批判、分解の6つのコアプロンプト技術に焦点を当てる。 我々は、どのようにプロンプトを構造化すべきで、構成すべきでないかについて、詳細なレコメンデーションを提供します。 OpenAI, Google, Anthropic, PerplexityプラットフォームにおけるDeep Researchツールの有効性を検討する。
  論文  参考訳（メタデータ） (2025-09-14T14:39:35Z)
• Which Prompting Technique Should I Use? An Empirical Investigation of Prompting Techniques for Software Engineering Tasks [6.508214641182163]
  4つのLarge Language Model(LLM)を用いて,ソフトウェア工学(SE)タスクにまたがる14の確立されたプロンプト手法の体系的評価を行う。 先述の文献で確認されているように、選択されたプロンプト技術は6つの中核次元(ゼロショット、フーショット、思考生成、組み立て、自己批判、分解)にまたがる。 提案手法は, 文脈理解や実例駆動のシナリオに依存するタスクよりも, 複雑な論理と集中的推論を必要とするSEタスクに最も効果的であることを示す。
  論文  参考訳（メタデータ） (2025-06-05T21:58:44Z)
• A Systematic Survey of Automatic Prompt Optimization Techniques [21.95159233568761]
  本研究は,本分野における現状と今後の課題をまとめた総合的な調査である。 APOは5つの部分を統一するフレームワークであり、それに基づいて関連する作業をすべて厳格に分類する。
  論文  参考訳（メタデータ） (2025-02-24T07:29:13Z)
• The Prompt Canvas: A Literature-Based Practitioner Guide for Creating Effective Prompts in Large Language Models [0.0]
  本稿では,既存の方法論を包括的に構築し,実践者のための包括的概要を構築するためのフレームワークの構築について論じる。 本稿では,プロンプト・キャンバス(Prompt Canvas)について述べる。
  論文  参考訳（メタデータ） (2024-12-06T15:35:18Z)
• Exploring Prompt Engineering: A Systematic Review with SWOT Analysis [0.74454067778951]
  言語原理を強調し,その強み,弱さ,機会,脅威を識別する様々な手法を検討する。 我々の研究は、AIインタラクションの強化と人間のプロンプトの言語モデル理解の改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-09T19:48:35Z)
• Engineering Conversational Search Systems: A Review of Applications, Architectures, and Functional Components [4.262342157729123]
  本研究では,対話型検索システムの理論的研究と技術的実装の関連について検討する。 階層型アーキテクチャフレームワークを提案し,対話型検索システムの中核機能について説明する。 我々は,大規模言語モデルの急速な進歩を踏まえ,その能力,限界,今後の研究の方向性について考察する。
  論文  参考訳（メタデータ） (2024-07-01T06:24:11Z)
• Efficient Prompting Methods for Large Language Models: A Survey [50.82812214830023]
  効率的なプロンプティング手法は幅広い注目を集めている。 本稿では,異なるプロンプト成分に対する自動プロンプトエンジニアリングと連続空間および離散空間におけるプロンプト圧縮について論じる。
  論文  参考訳（メタデータ） (2024-04-01T12:19:08Z)
• An Empirical Categorization of Prompting Techniques for Large Language Models: A Practitioner's Guide [0.34530027457862006]
  本研究では,学術的,実践的両面から最もよく知られたプロンプト技術について検討する。 本稿では,それぞれのカテゴリについて概説し,その独特な貢献を明確化し,実践的応用について紹介する。
  論文  参考訳（メタデータ） (2024-02-18T23:03:56Z)
• A Systematic Survey of Prompt Engineering in Large Language Models: Techniques and Applications [11.568575664316143]
  本稿では,応用分野別に分類した,最近のプロンプト工学の進歩について概説する。 本稿では、プロンプト手法、その応用、関連するモデル、利用したデータセットについて詳述する。 この体系的な分析は、この急速に発展している分野をよりよく理解し、オープンな課題と迅速なエンジニアリングの機会を照明することによって将来の研究を促進する。
  論文  参考訳（メタデータ） (2024-02-05T19:49:13Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• Large Language Models for Information Retrieval: A Survey [58.30439850203101]
  情報検索は、項ベースの手法から高度なニューラルモデルとの統合へと進化してきた。 近年の研究では、大規模言語モデル(LLM)を活用してIRシステムの改善が試みられている。 LLMとIRシステムの合流点を探索し、クエリリライト、リトリバー、リランカー、リーダーといった重要な側面を含む。
  論文  参考訳（メタデータ） (2023-08-14T12:47:22Z)
• Prompt Engineering for Healthcare: Methodologies and Applications [93.63832575498844]
  本総説では,医学分野の自然言語処理分野における情報工学の最近の進歩を紹介する。 我々は、迅速なエンジニアリングの開発を提供し、その医療自然言語処理アプリケーションへの重要な貢献を強調します。
  論文  参考訳（メタデータ） (2023-04-28T08:03:42Z)
• Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
  GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。 私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
  論文  参考訳（メタデータ） (2023-04-14T14:55:19Z)
• A Survey of Text Representation Methods and Their Genealogy [0.0]
  近年、高度にスケーラブルな人工神経ネットワークベースのテキスト表現法が出現し、自然言語処理の分野は前例のない成長と高度化が見られた。 我々は、系譜にそれらを配置し、テキスト表現方法の分類を概念化し、最先端の状態を検証し、説明することによって、現在のアプローチに関する調査を行う。
  論文  参考訳（メタデータ） (2022-11-26T15:22:01Z)
• TEMPERA: Test-Time Prompting via Reinforcement Learning [57.48657629588436]
  強化学習(TEMPERA)を用いたテスト時間プロンプト編集を提案する。 従来のプロンプト生成手法とは対照的に、TEMPERAは事前知識を効率的に活用することができる。 本手法は従来の微調整法と比較して試料効率の平均改善率を5.33倍に向上させる。
  論文  参考訳（メタデータ） (2022-11-21T22:38:20Z)
• AUTOLEX: An Automatic Framework for Linguistic Exploration [93.89709486642666]
  本稿では言語学者による言語現象の簡潔な記述の発見と抽出を容易にするための自動フレームワークを提案する。 具体的には、この枠組みを用いて、形態的一致、ケースマーキング、単語順序の3つの現象について記述を抽出する。 本研究では,言語専門家の助けを借りて記述を評価し,人間の評価が不可能な場合に自動評価を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-03-25T20:37:30Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)
• Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
  我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。 構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。 我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
  論文  参考訳（メタデータ） (2020-09-12T17:20:01Z)
• Natural language technology and query expansion: issues, state-of-the-art and perspectives [0.0]
  クエリのあいまいさや誤解釈を引き起こす言語特性と、追加の要因は、ユーザの情報ニーズを正確に表現する能力に影響を与える。 汎用言語に基づく問合せ拡張フレームワークの解剖学を概説し,モジュールに基づく分解を提案する。 それぞれのモジュールについて、文献における最先端のソリューションをレビューし、使用するテクニックの光の下で分類する。
  論文  参考訳（メタデータ） (2020-04-23T11:39:07Z)
• Techniques for Vocabulary Expansion in Hybrid Speech Recognition Systems [54.49880724137688]
  語彙外単語(OOV)の問題は、音声認識システムにおいて典型的である。 OOVをカバーするための一般的なアプローチの1つは、単語ではなくサブワード単位を使用することである。 本稿では,グラフ構築法と探索法の両方のレベルで,この解の既存手法について検討する。
  論文  参考訳（メタデータ） (2020-03-19T21:24:45Z)

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。