大型语言模型中提示工程方法在不同NLP任务中的调研

2024年8月3日修改
论文总结: 《A SURVEY OF PROMPT ENGINEERING METHODS IN LARGE LANGUAGE MODELS FOR DIFFERENT NLP TASKS》
摘要
大型语言模型(LLM)在众多自然语言处理(NLP)任务中表现出色。提示工程通过编写自然语言指令(提示)来有组织地从LLM中提取知识,显著提升其在各种NLP任务上的表现。本文总结了不同的提示技术,并根据其应用的NLP任务进行分类。我们审阅了44篇研究论文,总结了39种提示方法在29个NLP任务上的应用。
引言
背景:LLM在医学、法律、金融等多个领域取得显著进展,当前研究主要关注通过提示增强其推理能力。
提示工程:提示工程利用LLM的嵌入知识,不需要广泛的参数重训练或微调,通过自然语言交互实现NLP任务。
目标:本文总结不同提示技术,并根据NLP任务进行分类,提供一个全面的资源和分类法。
提示工程技术