プロンプトエンジニアリング
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
Lilian Weng
プロンプトエンジニアリングは、モデルの重み更新なしでLLMの出力を制御する手法である。これは経験的な科学であり、モデルごとに効果が変わるため、多くの実験とヒューリスティックなアプローチが必要となる。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
プロンプトエンジニアリング、またはコンテキスト内プロンプティングとも呼ばれるものは、モデルの重みを更新することなく、LLM とのコミュニケーション方法を通じてその振る舞いを制御し、望ましい結果を導き出すための手法を指します。これは経験科学であり、プロンプトエンジニアリング手法の効果はモデルによって大きく異なるため、多くの実験とヒューリスティックなアプローチが必要です。
本稿では自己回帰型言語モデルに対するプロンプトエンジニアリングにのみ焦点を当てます。したがって、クローズテスト（Cloze tests）、画像生成、あるいはマルチモーダルモデルに関する内容は含まれません。その核心において、プロンプトエンジニアリングの目的はアライメントとモデルの制御可能性にあります。制御可能なテキスト生成については、私の以前の投稿をご覧ください。
原文を表示
Prompt Engineering, also known as In-Context Prompting, refers to methods for how to communicate with LLM to steer its behavior for desired outcomes *without* updating the model weights. It is an empirical science and the effect of prompt engineering methods can vary a lot among models, thus requiring heavy experimentation and heuristics.
This post only focuses on prompt engineering for autoregressive language models, so nothing with Cloze tests, image generation or multimodality models. At its core, the goal of prompt engineering is about alignment and model steerability. Check my previous post on controllable text generation.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み