論文の概要: From Instruction to Output: The Role of Prompting in Modern NLG

• arxiv url: http://arxiv.org/abs/2602.11179v1
• Date: Wed, 21 Jan 2026 07:10:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-15 14:54:53.729452
• Title: From Instruction to Output: The Role of Prompting in Modern NLG
• Title（参考訳）: インストラクションからアウトプットへ:現代のNLGにおけるプロンプトの役割
• Authors: Munazza Zaib, Elaf Alhazmi,
• Abstract要約: 本稿は, 自然言語生成(NLG)タスクの促進手法の最近の進歩とその影響を概観する。 実践者のさまざまな要因に基づいて選択を促すための決定枠組みであるパラダイムの促進の分類を導入し、新たなトレンドと課題を概説する。 より制御しやすく、一般化可能なNLGをサポートするために、設計、最適化、評価をリンクするフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.8594140167290095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prompt engineering has emerged as an integral technique for extending the strengths and abilities of Large Language Models (LLMs) to gain significant performance gains in various Natural Language Processing (NLP) tasks. This approach, which requires instructions to be composed in natural language to bring out the knowledge from LLMs in a structured way, has driven breakthroughs in various NLP tasks. Yet there is still no structured framework or coherent understanding of the varied prompt engineering methods and techniques, particularly in the field of Natural Language Generation (NLG). This survey aims to help fill that gap by outlining recent developments in prompt engineering, and their effect on different NLG tasks. It reviews recent advances in prompting methods and their impact on NLG tasks, presenting prompt design as an input-level control mechanism that complements fine-tuning and decoding approaches. The paper introduces a taxonomy of prompting paradigms, a decision framework for prompt selection based on varying factors for the practitioners, outlines emerging trends and challenges, and proposes a framework that links design, optimization, and evaluation to support more controllable and generalizable NLG.
• Abstract（参考訳）: Prompt Engineeringは、様々な自然言語処理(NLP)タスクにおいて、大きな言語モデル(LLM)の強みと能力を拡張するための統合技術として登場した。 このアプローチは、構造化された方法でLLMから知識を引き出すために自然言語で構成する命令を必要とするが、様々なNLPタスクにおいてブレークスルーを引き起こしている。 しかし、特に自然言語生成(NLG)の分野では、様々な急進的な技術手法や技術に関する構造化された枠組みやコヒーレントな理解がまだ残っていない。 本調査は,最近の技術革新の進展とNLGタスクへの影響を概説することによって,そのギャップを埋めることを目的としている。 細調整と復号の手法を補完する入力レベル制御機構として、最近の手法の進歩とNLGタスクへの影響をレビューした。 本稿では,実践者の様々な要因に基づいて選択を促すための意思決定枠組みであるパラダイムの分類について紹介し,新たな傾向と課題を概説するとともに,より制御しやすく一般化可能なNLGを支援するために,設計,最適化,評価をリンクするフレームワークを提案する。

関連論文リスト

• Zero-Shot Instruction Following in RL via Structured LTL Representations [50.41415009303967]
  マルチタスク強化学習では、エージェントが訓練中に見えない新しいタスクをゼロショットで実行しなければならない。 この設定では、最近、時間的に拡張された構造化タスクを特定するための強力なフレームワークとして線形時間論理が採用されている。 既存のアプローチはジェネラリストの政策を訓練することに成功しているが、仕様に固有のリッチな論理的・時間的構造を効果的に捉えるのに苦労することが多い。
  論文  参考訳（メタデータ） (2026-02-15T23:22:50Z)
• PromptFlow: Training Prompts Like Neural Networks [17.90494213352502]
  大規模言語モデル(LLM)は自然言語処理(NLP)タスクに大きな影響を与えている。 プロンプトエンジニアリングの最近の進歩は、広範囲な再訓練に代わる有望な代替手段を提供する。 本稿では,メタプロンプト,演算子,最適化,評価器にインスパイアされたモジュール型トレーニングフレームワークであるPromptFlowを提案する。
  論文  参考訳（メタデータ） (2025-10-14T07:56:12Z)
• Large Language Models in Operations Research: Methods, Applications, and Challenges [9.208082097215314]
  オペレーションリサーチ(OR)は、輸送、サプライチェーン管理、生産スケジュールなど、複雑なシステム決定を支援する。 専門家主導のモデリングと手動パラメータチューニングに依存する従来のアプローチは、しばしば大規模、動的、マルチ制約の問題に悩まされる。 本稿では,大規模言語モデル(LLM)をORに適用し,既存の手法を3つの経路に分類する。
  論文  参考訳（メタデータ） (2025-09-18T01:52:19Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• 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)
• Conversation Routines: A Prompt Engineering Framework for Task-Oriented Dialog Systems [0.21756081703275998]
  本研究では,Large Language Models (LLMs) を用いたタスク指向対話システムの開発のための,構造化されたプロンプトエンジニアリングフレームワークである Conversation Routines (CR) を紹介する。 提案したCRフレームワークは,自然言語仕様による会話エージェントシステム(CAS)の開発を可能にする。 このフレームワークの有効性を,Train Booking SystemとInteractive Ticket Copilotという2つの概念実証実装を通じて実証する。
  論文  参考訳（メタデータ） (2025-01-20T17:19:02Z)
• Leveraging Large Language Models for NLG Evaluation: Advances and Challenges [57.88520765782177]
  大規模言語モデル(LLM)は、コヒーレンス、クリエイティビティ、コンテキスト関連など、生成されたコンテンツ品質を評価するための新たな道を開いた。 既存のLCMに基づく評価指標を整理し、これらの手法を理解し比較するための構造化された枠組みを提供する。 本稿では, 偏見, 堅牢性, ドメイン固有性, 統一評価などの未解決課題を議論することによって, 研究者に洞察を提供し, より公平で高度なNLG評価手法を提唱することを目的とする。
  論文  参考訳（メタデータ） (2024-01-13T15:59:09Z)
• Unleashing the potential of prompt engineering for large language models [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。 AIセキュリティの側面、特に迅速なエンジニアリングの脆弱性を悪用する敵攻撃について論じる。
  論文  参考訳（メタデータ） (2023-10-23T09:15:18Z)
• Re-Reading Improves Reasoning in Large Language Models [87.46256176508376]
  既成のLarge Language Models (LLM) の推論能力を高めるため, 単純で汎用的で効果的なプロンプト手法であるRe2を導入する。 CoT (Chain-of-Thought) など、ほとんどの思考を刺激する手法とは異なり、Re2 は質問を2回処理することで入力に焦点を移し、理解プロセスを強化する。 提案手法の有効性と汎用性を検証するため,14のデータセットにまたがる広範囲な推論ベンチマークでRe2を評価した。
  論文  参考訳（メタデータ） (2023-09-12T14:36:23Z)
• 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)
• On Conditional and Compositional Language Model Differentiable Prompting [75.76546041094436]
  プロンプトは、下流タスクでうまく機能するために、凍結した事前訓練言語モデル(PLM)を適応するための効果的な方法であることが示されている。 タスク命令や入力メタデータを連続的なプロンプトに変換することを学習する新しいモデル Prompt Production System (PRopS) を提案する。
  論文  参考訳（メタデータ） (2023-07-04T02:47:42Z)
• A Survey of Knowledge Enhanced Pre-trained Language Models [78.56931125512295]
  我々は、知識強化事前学習言語モデル(KE-PLMs)の包括的なレビューを行う。 NLUでは、言語知識、テキスト知識、知識グラフ(KG)、ルール知識の4つのカテゴリに分類する。 NLGのKE-PLMは、KGベースと検索ベースに分類される。
  論文  参考訳（メタデータ） (2022-11-11T04:29:02Z)
• A Text Reassembling Approach to Natural Language Generation [12.423674190462956]
  自然言語生成(NLG)のための新しい手法を提案する。 NLG(TRG)に対するテキスト再構成アプローチは、純粋に統計的アプローチの理想に非常に近づき、同時に非常に透明である。 TRG のアプローチを評価し,文書構造化や集約といった他の NLG タスクに対して TRG をどのように拡張するかについて議論する。
  論文  参考訳（メタデータ） (2020-05-16T13:28:17Z)

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。