Back to Search Start Over

生成式AI的大模型提示工程:方法、现状与展望

Authors :
黄峻, 林飞, 杨静, 王兴霞, 倪清桦, 王雨桐, 田永林, 李娟娟, 王飞跃
Source :
智能科学与技术学报, Vol 6, Iss 2, Pp 115-133 (2024)
Publication Year :
2024
Publisher :
POSTS&TELECOM PRESS Co., LTD, 2024.

Abstract

大语言模型和视觉语言模型在各领域的应用中展示出巨大潜力,成为研究热点。然而,幻觉、知识迁移、与人类意图对齐等问题仍然影响着大模型的性能。首先,探讨了提示工程与对齐技术基本原理,提出基于提示优化、专家反馈机制及实时调整机制的引导概念,提升了大语言模型在跨领域应用中的性能;其次,深入分析提示工程的核心技术,如多步推理处理复杂任务的原理;然后,针对各领域的实际应用,讨论提示工程的发展现状;最后,总结提示工程面临的挑战并展望其未来发展方向。提示工程在理论与应用方面的发展,为提升大模型在实际应用中的性能提供了全面的解决方案。

Details

Language :
Chinese
ISSN :
20966652
Volume :
6
Issue :
2
Database :
Directory of Open Access Journals
Journal :
智能科学与技术学报
Publication Type :
Academic Journal
Accession number :
edsdoj.23544def06c441eea594737b392b3bdd
Document Type :
article
Full Text :
https://doi.org/10.11959/j.issn.2096-6652.202424