論文の概要: Prompt Migration: Stabilizing GenAI Applications with Evolving Large Language Models
- arxiv url: http://arxiv.org/abs/2507.05573v1
- Date: Tue, 08 Jul 2025 01:20:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-09 16:34:37.468556
- Title: Prompt Migration: Stabilizing GenAI Applications with Evolving Large Language Models
- Title（参考訳）: Prompt Migration: 大規模言語モデルを進化させたGenAIアプリケーションの安定化
- Authors: Shivani Tripathi, Pushpanjali Nema, Aditya Halder, Shi Qiao, Alekh Jindal,
- Abstract要約: 生成AIは、自然言語インターフェースとインテリジェントな自動化を可能にして、ビジネスアプリケーションを変革している。
基盤となる大規模言語モデル(LLM)は急速に進化しています。
本稿では,LLMの変更に伴うGenAIアプリケーションの安定化のための体系的アプローチとして,プロンプトマイグレーションの概念を紹介する。
- 参考スコア（独自算出の注目度）: 1.9471700863629544
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI is transforming business applications by enabling natural language interfaces and intelligent automation. However, the underlying large language models (LLMs) are evolving rapidly and so prompting them consistently is a challenge. This leads to inconsistent and unpredictable application behavior, undermining the reliability that businesses require for mission-critical workflows. In this paper, we introduce the concept of prompt migration as a systematic approach to stabilizing GenAI applications amid changing LLMs. Using the Tursio enterprise search application as a case study, we analyze the impact of successive GPT model upgrades, detail our migration framework including prompt redesign and a migration testbed, and demonstrate how these techniques restore application consistency. Our results show that structured prompt migration can fully recover the application reliability that was lost due to model drift. We conclude with practical lessons learned, emphasizing the need for prompt lifecycle management and robust testing to ensure dependable GenAI-powered business applications.
- Abstract（参考訳）: 生成AIは、自然言語インターフェースとインテリジェントな自動化を可能にすることによって、ビジネスアプリケーションを変革している。
しかし、基盤となる大規模言語モデル(LLM)は急速に進化しているため、それらを継続的に推進することは困難である。
これは、ビジネスがミッションクリティカルなワークフローに要求する信頼性を損なう、一貫性のない予測不可能なアプリケーションの振る舞いを引き起こす。
本稿では,LLMの変更に伴うGenAIアプリケーションの安定化のための体系的アプローチとして,プロンプトマイグレーションの概念を紹介する。
Tursioエンタープライズ検索アプリケーションをケーススタディとして、連続したGPTモデルのアップグレードの影響を分析し、迅速な再設計とマイグレーションテストベッドを含む移行フレームワークの詳細を説明し、これらのテクニックがアプリケーションの一貫性を回復する方法を実証する。
その結果,モデルドリフトによって失われたアプリケーションの信頼性を,構造化されたプロンプトマイグレーションが完全に回復できることが示唆された。
我々は、GenAIを利用したビジネスアプリケーションを保証するために、迅速なライフサイクル管理と堅牢なテストの必要性を強調しながら、実際に学んだ教訓で締めくくります。
関連論文リスト
- SV-LLM: An Agentic Approach for SoC Security Verification using Large Language Models [8.912091484067508]
SV-LLMは,システムオンチップ(SoC)セキュリティ検証の自動化と強化を目的とした,新しいマルチエージェントアシスタントシステムである。
検証質問応答、セキュリティ資産の識別、脅威モデリング、テスト計画とプロパティ生成、脆弱性検出、シミュレーションベースのバグ検証といったタスクのための特別なエージェントを統合することで、SV-LLMはワークフローを合理化する。
このシステムは,手作業による介入を減らすこと,精度の向上,セキュリティ分析の高速化,設計サイクルの初期段階におけるリスクの積極的な識別と緩和を支援することを目的としている。
論文 参考訳（メタデータ） (2025-06-25T13:31:13Z) - Invisible Traces: Using Hybrid Fingerprinting to identify underlying LLMs in GenAI Apps [0.0]
大規模言語モデル(LLM)のフィンガープリントは、AI統合アプリケーションのセキュリティと透明性を保証するために欠かせないものとなっている。
静的および動的フィンガープリント技術を統合することにより,これらの課題に対処する新しいフィンガープリントフレームワークを提案する。
提案手法は, 動的環境下でのLDMの高精度かつ堅牢なフィンガープリントを可能にするため, 建築特性と挙動特性を同定する。
論文 参考訳（メタデータ） (2025-01-30T19:15:41Z) - GUI Agents with Foundation Models: A Comprehensive Survey [91.97447457550703]
この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。
重要な課題を特定し,今後の研究方向性を提案する。
この調査が(M)LLMベースのGUIエージェントの分野におけるさらなる進歩を促すことを願っている。
論文 参考訳（メタデータ） (2024-11-07T17:28:10Z) - RETAIN: Interactive Tool for Regression Testing Guided LLM Migration [8.378294455013284]
RETAIN(Regression Testing Guided LLM migrAtIoN)は、LLMマイグレーションにおける回帰テスト用に明示的に設計されたツールである。
自動評価と経験的ユーザスタディにより、RETAINは手動による評価と比較して、参加者が2倍のエラーを識別し、75%以上のプロンプトで実験し、与えられた時間枠で12%高いスコアを得ることができた。
論文 参考訳（メタデータ） (2024-09-05T22:22:57Z) - Scalable Language Model with Generalized Continual Learning [58.700439919096155]
The Joint Adaptive Re-ization (JARe) is integrated with Dynamic Task-related Knowledge Retrieval (DTKR) to enable adapt adjust of language model based on specific downstream task。
提案手法は,様々なバックボーンやベンチマーク上での最先端性能を実証し,最小限の忘れを伴い,フルセットおよび少数ショットのシナリオにおいて効果的な連続学習を実現する。
論文 参考訳（メタデータ） (2024-04-11T04:22:15Z) - Retroformer: Retrospective Large Language Agents with Policy Gradient Optimization [103.70896967077294]
本稿では,レトロスペクティブモデルを学習することで,大規模言語エージェントを強化するための原則的枠組みを提案する。
提案するエージェントアーキテクチャは,事前学習した言語モデルを微調整するために,複数の環境やタスクにまたがる報酬から学習する。
様々なタスクの実験結果から、言語エージェントは時間とともに改善することが示された。
論文 参考訳（メタデータ） (2023-08-04T06:14:23Z)
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。