プロンプトエンジニアリングガイド日本語版
はじめに
基本的な例がつらつら書いてある。
-
特に何も意識しなくても使えるけれど、より良く回答を得るためにプロンプトエンジニアリングが必要
-
要素の説明
命令 - モデルに実行してほしい特定のタスクまたは命令
文脈 - 外部情報や追加の文脈が含まれる場合があり、モデルをより良い応答に導くことができる
入力データ - 応答を見つけたい入力または質問
出力指示子 - 出力のタイプや形式を示す -
指示と文脈を区切るために「###」のような明確な区切り記号を使用することが推奨されている
-
モデルに実行してほしい指示やタスクについて、非常に具体的に説明。プロンプトが詳細で具体的であるほど、結果はよくなる。特定の出力やスタイルを望む場合には、特に重要。
-
「しないこと」を言わず、「すること」を言う。
-
"A:"は質問応答で使用される明示的なプロンプトフォーマット
抗生物質について説明してください。
A:
- role prompting
指示によって、どのように振る舞うかを明示的に伝える。会話形式。 - コード生成にも使える。
プロンプトエンジニアリング技術
ここからが多分本番。
Zero-Shotプロンプティング
モデルに任意の例を提供せず、ゼロショットでタスク実行。
これで思い通りにならなければ、Few-Shotプロンプティングを試す。
Few-Shotプロンプティング
プロンプト内のデモを提供。
より複雑な算術、常識、および象徴的推論タスクに対応するためには、Chain-of-Thought (CoT) promptingが普及。
Chain-of-Thoughtプロンプティング
中間的な推論ステップを介して複雑な推論。
Zero-shot COT Prompting「ステップバイステップで考えてみましょう。」を足すことで正しい答えに。
Self-Consistency（自己整合性）
few-shot CoTを通じて複数の多様な推論パスをサンプリング。
算術および常識的推論を必要とするタスクにおけるCoTプロンプティングのパフォーマンスが向上。
知識生成プロンプティング
より正確な予測を行うために知識や情報を組み込む（知識生成）で改善。
自動プロンプトエンジニア（APE）
自動指示生成と選択
「正しい答えを得るために、ステップバイステップで考えてみましょう。」のプロンプトは、思考の連鎖を引き起こし、MultiArithおよびGSM8Kベンチマークのパフォーマンスを向上させる。
アクティブプロンプト
TBD
方向性刺激プロンプティング
TBD
ReAct
LLMが外部ツールと対話して追加情報を取得し、より信頼性の高い事実に基づく回答を生成。
マルチモーダルCoTプロンプティング
TBD
グラフプロンプト
TBD
プロンプトアプリケーション
プログラム支援言語モデル（PAL）
TBD
データ生成
TBD
モデル
TBD
リスクと誤用
TBD