論文の概要: Automatic Prompt Engineering with No Task Cues and No Tuning

• arxiv url: http://arxiv.org/abs/2601.03130v1
• Date: Tue, 06 Jan 2026 16:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:13.006529
• Title: Automatic Prompt Engineering with No Task Cues and No Tuning
• Title（参考訳）: タスクキューもチューニングも不要な自動プロンプトエンジニアリング
• Authors: Faisal Chowdhury, Nandana Mihindukulasooriya, Niharika S D'Souza, Horst Samulowitz, Neeru Gupta, Tomasz Hanusiak, Michal Kapitonow,
• Abstract要約: 本稿では,設計とアプリケーションの両方において,より簡易な自動プロンプトエンジニアリングシステムを提案する。 チューニングも,タスクに関する明確なヒントも必要ありません。 データベーステーブルにおける暗号列名拡張(CNE)について検討した。
• 参考スコア（独自算出の注目度）: 5.331474700218948
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents a system for automatic prompt engineering that is much simpler in both design and application and yet as effective as the existing approaches. It requires no tuning and no explicit clues about the task. We evaluated our approach on cryptic column name expansion (CNE) in database tables, a task which is critical for tabular data search, access, and understanding and yet there has been very little existing work. We evaluated on datasets in two languages, English and German. This is the first work to report on the application of automatic prompt engineering for the CNE task. To the best of our knowledge, this is also the first work on the application of automatic prompt engineering for a language other than English.
• Abstract（参考訳）: 本稿では、設計とアプリケーションの両方においてよりシンプルで、既存のアプローチと同じくらい効果的な自動プロンプトエンジニアリングシステムを提案する。 チューニングも,タスクに関する明確なヒントも必要ありません。 データベーステーブルにおける列名拡張(CNE)に対する我々のアプローチを評価した。これは表形式のデータ検索,アクセス,理解に不可欠なタスクであるが,既存の作業はほとんど行われていない。 我々は英語とドイツ語の2言語でデータセットを評価した。 CNEタスクに対する自動プロンプトエンジニアリングの適用について報告した最初の研究である。 私たちの知る限りでは、英語以外の言語への自動プロンプトエンジニアリングの適用に関する最初の研究でもある。

関連論文リスト

• Automatic Prompt Generation via Adaptive Selection of Prompting Techniques [0.0]
  本稿では,ユーザの抽象的なタスク記述に基づいて,タスク適切なプロンプト手法を適応的に選択する手法を提案する。 提案手法は,多様なタスクにまたがる意味的類似性を特徴とする,タスククラスタを関連付ける知識ベースを構築する。 BIG-Bench Extra Hardによる23のタスクに対する提案手法の実験的評価は,標準的なプロンプトよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2025-10-20T23:28:23Z)
• How Usable is Automated Feature Engineering for Tabular Data? [37.89654305075891]
  自動特徴工学(AutoFE)手法は、実践者にとってのユーザビリティについて、これまで調査されていない。 これらの手法は一般的には使いづらく、ドキュメントが欠如し、アクティブなコミュニティがないことが分かりました。 我々の調査は、使い勝手の良いAutoFEメソッドに関する今後の研究の必要性を強調している。
  論文  参考訳（メタデータ） (2025-08-19T15:23:52Z)
• Learning Task Representations from In-Context Learning [67.66042137487287]
  大規模言語モデル(LLM)は、文脈内学習(ICL)において顕著な習熟性を示した。 ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。 提案手法は,テキスト中の実演からタスク固有の情報を抽出し,テキストと回帰タスクの両方で優れる。
  論文  参考訳（メタデータ） (2025-02-08T00:16:44Z)
• Code-Switched Language Identification is Harder Than You Think [69.63439391717691]
  コードスイッチングは、文字と音声の通信において一般的な現象である。 CSコーパスの構築の応用について検討する。 タスクをもっと多くの言語に拡張することで、タスクをより現実的にします。 文レベルのマルチラベルタグ付け問題としてタスクを再構築し、より難易度の高いものにする。
  論文  参考訳（メタデータ） (2024-02-02T15:38:47Z)
• Prompt Engineering a Prompt Engineer [10.798308109737862]
  我々は,大規模な言語モデルをメタプロンプトで自動プロンプトエンジニアリングを行うことができると主張している。 このギャップを、詳細な説明、コンテキスト仕様、ステップバイステップの推論テンプレートという、メタプロンプトの3つの重要なコンポーネントに注入することで埋めます。 PE2と呼ばれるこの手法は、様々な言語タスクにまたがる優れた汎用性を示す。
  論文  参考訳（メタデータ） (2023-11-09T08:00:32Z)
• Interactive Task Planning with Language Models [89.5839216871244]
  対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。 最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、しばしば、重いプロンプトエンジニアリングまたはドメイン固有の事前訓練されたモデルを必要とする。 言語モデルを用いた対話型タスクプランニングを実現するための,高レベルプランニングと低レベルスキル実行を併用したシンプルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:12Z)
• AutoScrum: Automating Project Planning Using Large Language Models [0.0]
  大規模言語モデルは、高度な推論に言語モデルを使用することを可能にした。 本稿では、この能力を利用して、現在の状況と望ましい状態を知ることのみに基づいて、複雑なプロジェクト計画を設計する。 スクラムベースのアプローチとショートカットプランアプローチの2つのアプローチが実証されている。
  論文  参考訳（メタデータ） (2023-06-05T19:16:37Z)
• 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)
• AutoTransfer: AutoML with Knowledge Transfer -- An Application to Graph Neural Networks [75.11008617118908]
  AutoML技術は、各タスクをスクラッチから独立して考慮し、高い計算コストをもたらす。 本稿では,従来の設計知識を新たな関心事に伝達することで,検索効率を向上させるAutoTransferを提案する。
  論文  参考訳（メタデータ） (2023-03-14T07:23:16Z)
• DAVE: Deriving Automatically Verilog from English [18.018512051180714]
  技術者はデジタルシステムの仕様をプログラミング言語に変換するために多大な努力を払っている。 本稿では,最先端機械学習(ML)を用いて,英語からVerilogスニペットを自動的に抽出する方法について検討する。
  論文  参考訳（メタデータ） (2020-08-27T15:25:03Z)

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。