実践的なプロンプトエンジニアリング

Practical prompt engineering

LLMを使用した成功するプロンプティングのためのヒントとトリック…

大規模言語モデル（LLM）はテキストからテキストへの形式を持つため、1つのモデルでさまざまなタスクを解決することができます。このような能力は、元々GPT-2やGPT-3などのモデルを使用したゼロショットおよびフューショット学習によって実証されました[5, 6]。しかし、人間の好みや指示に合わせてファインチューニングされた場合、LLMはさらに魅力的になり、コーディングアシスタント、情報収集型対話エージェント、チャットベースの検索体験などの人気のある生成アプリケーションを可能にします。

可能にするアプリケーションのために、LLMは研究コミュニティや一般の文化の両方で急速に注目されています。この注目の中で、新たな補完的な分野であるプロンプトエンジニアリングの発展も目撃してきました。LLMは、i) テキスト（プロンプト）を入力として受け取り、ii) それから何らかの有用なテキスト出力を生成することで動作します（例：分類、要約、翻訳など）。このアプローチの柔軟性は有利ですが、同時に、LLMが望ましい出力を生成する最良のチャンスを持つように、適切な入力プロンプトの構築方法を決定する必要があります。

プロンプトエンジニアリングは、さまざまなプロンプト戦略がLLMのパフォーマンスを最適化するためにどのように使用できるかを研究する経験的な科学です。さまざまなアプローチが存在するにもかかわらず、この概要では、ゼロショット/フューショット学習や指示プロンプティングなどの基本的で非常に効果的なプロンプティング技術を含め、一般的なプロンプティングのメカニズムを理解することに重点を置いています。途中で、より効果的なプロンプトエンジニアやLLM実践者になるためにすぐに採用できる実用的なトリックやポイントを学びます。