Prompt-Engineering-Guide - 🐙 迅速なエンジニアリングのためのガイド、論文、講義、およびリソース

(:octopus: Guides, papers, lecture, and resources for prompt engineering)

Created at: 2022-12-17 00:04:50

Language: Jupyter Notebook

URL: https://github.com/dair-ai/Prompt-Engineering-Guide

License: MIT

プロンプトエンジニアリングガイド

プロンプトエンジニアリングは、さまざまなアプリケーションや研究トピックで言語モデル (LM) を効率的に使用するためのプロンプトを開発および最適化するための比較的新しい分野です。迅速なエンジニアリングスキルは、大規模な言語モデル (LLM) の機能と制限をよりよく理解するのに役立ちます。研究者は、プロンプトエンジニアリングを使用して、質問応答や算術推論などの一般的で複雑なタスクに関するLLMの能力を向上させます。開発者は、プロンプト・エンジニアリングを使用して、LLMやその他のツールとインターフェースする堅牢で効果的なプロンプト技法を設計します。

LLMを使用した開発への高い関心に動機付けられて、プロンプトエンジニアリングに関連するすべての最新の論文、学習ガイド、講義、参考文献、およびツールを含むこの新しいプロンプトエンジニアリングガイドを作成しました。

ハッピープロンプト!

お知らせ/アップデート

🔥1年21月2023日にハッカーニュースで#<>に到達しました
🎉プロンプトエンジニアリングレクチャーがここでライブになりました
🎓ここでは一連の包括的なガイドを作成しています
📖新しいチュートリアルのセットが近日公開予定!

私たちの不和に参加する

ツイッターでフォローする

講義

プロンプトのテクニック、アプリケーション、およびツールの包括的な概要を提供する1時間の講義を公開しました。

ガイド

以下は、私たちが開発したプロンプトエンジニアリングに関する一連のガイドです。ガイドは進行中の作業です。

書類

以下は、プロンプトエンジニアリングに関する最新の論文(リリース日順にソート)です。私たちはこれを毎日更新し、新しい論文が届きます。これらの論文の要約を毎週上記のガイドに取り入れています。

調査/概要:
- 拡張言語モデル:調査 (2023年<>月)
- インコンテキスト学習のための調査(2022年<>月)
- 大規模言語モデルにおける推論に向けて:調査 (2022年<>月)
- 大規模言語モデルの創発的能力 (2022年<>月)
- テキストから画像への生成のためのプロンプト修飾子の分類 (Apr 2022)
- 事前学習・プロンプト・予測:自然言語処理におけるプロンプト手法の系統的調査 (2021年<>月)
アプローチ/テクニック:
- 大規模言語モデルに対する思考連鎖を用いたアクティブプロンプト (Feb 2023)
- あなたが求めた以上のもの:アプリケーション統合大規模言語モデルに対する新しいプロンプトインジェクション脅威の包括的な分析(2023年<>月)
- 方向刺激プロンプトによる大規模言語モデルの誘導 (Feb 2023)
- コンテキスト内学習は、チューニングの迅速化にどのように役立ちますか?(2023年<>月)
- 言語モデルを用いた半教師あり学習のためのスケーラブルなプロンプト生成 (Feb 2023)
- プロンプト制約によるオープンテキスト生成における大規模言語モデルの機能の境界 (Feb 2023)
- アラカルトプロンプトチューニング(APT):コンポーザブルプロンプトによる個別のデータの結合 (Feb 2023)
- GraphPrompt: グラフニューラルネットワークの事前学習タスクとダウンストリームタスクの統合 (Feb 2023)
- 大規模言語モデルにおける道徳的自己修正能力 (2023年<>月)
- SwitchPrompt: 低リソースドメインでの分類のためのドメイン固有のゲートソフトプロンプトの学習 (2023 年 <> 月)
- 個別のプロンプトの堅牢性の評価 (Feb 2023)
- 文脈内学習のための作文例 (2023年<>月)
- ハードプロンプトを簡単に:プロンプトのチューニングと検出のための勾配ベースの離散最適化 (Feb 2023)
- 言語モデルにおけるマルチモーダル思考連鎖推論 (2023年<>月)
- 大規模な言語モデルは、無関係なコンテキストに気を取られやすい (2023 年 <> 月)
- 合成プロンプト: 大規模言語モデルのための思考連鎖デモの生成 (Feb 2023)
- プログレッシブプロンプト:言語モデルの継続的な学習 (2023 年 <> 月)
- バッチプロンプト: LLM API による効率的な推論 (Jan 2023)
- 実証-検索-予測:知識集約型NLPのための検索モデルと言語モデルの作成 (Dec 2022)
- 考え直して、一歩一歩考えないようにしましょう!ゼロショット推論におけるバイアスと毒性 (Dec 2022)
- 憲法AI:AIフィードバックからの無害性 (2022年<>月)
- 複雑な質問を分解するための連続プロンプト (Dec 2022)
- モデル記述評価による言語モデルの動作の発見 (Dec 2022)
- 構造化プロンプト: コンテキスト内学習を 1,000 例にスケーリング (Dec 2022)
- PAL: プログラム支援言語モデル (2022 年 <> 月)
- 大規模言語モデルは人間レベルのプロンプトエンジニア (2022年<>月)
- 前のプロンプトを無視する: 言語モデルの攻撃手法 (Nov 2022)
- 機械生成テキスト:脅威モデルと検出方法の包括的な調査(2022年<>月)
- インコンテキスト学習によるアルゴリズム推論の指導 (2022年<>月)
- 自然言語推論による事前学習済み言語モデルの自己整合性とパフォーマンスの向上 (Nov 2022)
- 何でも聞いてください:言語モデルを促すための簡単な戦略 (Oct 2022)
- ReAct: 言語モデルにおける推論と演技の相乗効果 (2022年<>月)
- GPT-3の信頼性を高める (2022年<>月)
- 分解プロンプト:複雑なタスクを解決するためのモジュラーアプローチ (Oct 2022)
- 言語モデルは貪欲な推論者である:思考連鎖の体系的形式分析 (Oct 2022)
- 手作りの敵対的例による事前学習済み言語モデルの感受性評価 (Sep 2022)
- 半構造化数学的推論のための政策勾配による動的プロンプト学習 (Sep 2022)
- プロンプタゲータ:8例からの少数ショット高密度検索 (2022年<>月)
- ドキュメントプロンプト: ドキュメントの取得によるコードの生成 (2022 年 <> 月)
- 言語モデルの推論能力向上の進展について(2022年<>月)
- 大規模言語モデルはゼロショット推論器 (2022 年 <> 月)
- MRKL Systems: 大規模な言語モデル、外部の知識ソース、離散推論を組み合わせたモジュール式のニューロシンボリックアーキテクチャ (2022 年 <> 月)
- 生成プロンプトベースの推論による毒性検出 (2022年<>月)
- テキスト生成のプロンプトの転送方法を学ぶ (2022 年 <> 月)
- テキスト推論のための少数ショットプロンプトにおける説明の信頼性の低さ(2022年<>月)
- テキストから画像への生成のためのプロンプト修飾子の分類 (Apr 2022)
- PromptChainer: ビジュアルプログラミングによる大規模言語モデルのプロンプトのチェーン (Mar 2022)
- 自己一貫性が言語モデルにおける思考連鎖推論を改善する (2022年<>月)
- 人間のフィードバックで指示に従うための言語モデルのトレーニング
- デモンストレーションの役割を再考する:コンテキスト内学習を機能させるものは何ですか?(2022年<>月)
- 大規模言語モデルで推論を引き出す思考の連鎖 (2022年<>月)
- 研究成果: 言語モデルを用いた中間計算のためのスクラッチパッド (Nov 2021)
- 常識的推論を促す知識生成 (Oct 2021)
- マルチタスクプロンプトトレーニングにより、ゼロショットタスクの一般化が可能に (2021 年 <> 月)
- 指示プロンプトを GPTk の言語にリフレーミングする (Sep 2021)
- テキストから画像へのプロンプトエンジニアリング生成モデルの設計ガイドライン (Sep 2021)
- 事前トレーニング済み言語モデルを少数ショット学習者に (2021年<>月)
- 幻想的に順序付けられたプロンプトとその場所:数ショットのプロンプト注文感度の克服(2021年<>月)
- BERTese: BERT と話すことを学ぶ (2021 年 <> 月)
- パラメーター効率の高いプロンプト調整のためのスケールの力 (2021 年 <> 月)
- 大規模言語モデルのプロンプトプログラミング:少数ショットパラダイムを超えて (2021年<>月)
- 使用前のキャリブレーション: 言語モデルの少数ショットのパフォーマンスの向上 (Feb 2021)
- プレフィックスチューニング: 生成のための連続プロンプトの最適化 (Jan 2021)
- AutoPrompt: 自動生成されたプロンプトによる言語モデルからの知識の抽出 (Oct 2020)
- 言語モデルは少数学習者 (2020 年 <> 月)
- 言語モデルが何を知っているかをどのように知ることができますか?(2020年<>月現在)
アプリケーション：
- ChatGPTなどの生成型AIモデルは、SPCの実践、教育、研究でどのように(誤って)使用される可能性がありますか?探索的研究 (2023年<>月)
- 不思議の国のグリム:おとぎ話を説明するためのミッドジャーニーによるプロンプトエンジニアリング(2023年<>月)
- ラベルプロンプト:関係分類のための効果的なプロンプトベースの学習 (Feb 2023)
- 言語モデルのクロスオーバー:少数ショットプロンプトによるバリエーション (2023 年 <> 月)
- 話者適応型視覚音声認識のための深層ニューラルネットワークの高速チューニング (Feb 2023)
- 大規模言語モデルにおける道徳的自己修正能力 (2023年<>月)
- マルチモーダルヘイトミーム分類の促し (2023年<>月)
- PLACES: ソーシャル会話統合のための言語モデルの促進 (2023年<>月)
- 制御可能な共感的対話生成のための常識意識プロンプト (2023年<>月)
- 言語モデルの内部知識ベースのクロール (2023 年 <> 月)
- 多言語法的判断予測のためのリーガル・プロンプト・エンジニアリング (Dec 2022)
- 拡散モデルにおけるプロンプトエンジニアリングの検討 (2022年<>月)
- 説明を学ぶ:科学質問応答のための思考チェーンを介したマルチモーダル推論 (Sep 2022)
- コパイロットとの会話:自然言語を使用してCS1問題を解決するためのプロンプトエンジニアリングの探索 (Oct 2022)
- 副操縦士とコーデックスの操縦:高温、低温プロンプト、または黒魔術?(2022年<>月)
- 事前トレーニング済み言語モデルをゼロから作成するプロット (七月 2022)
コレクション：

Tools & Library

(名前順)

データセット

(名前順)

Blog, Guides, Tutorials and Other Readings

(Sorted by Name)

あなたがあなたの仕事のためにガイドを使用しているならば、次のように私たちを引用してください:

@article{Saravia_Prompt_Engineering_Guide_2022,
author = {Saravia, Elvis},
journal = {https://github.com/dair-ai/Prompt-Engineering-Guide},
month = {12},
title = {{Prompt Engineering Guide}},
year = {2022}
}

ここに何かが足りないと思われる場合は、PRを開いてください。常にフィードバックや提案を歓迎します。問題を開くだけです!

Prompt-Engineering-Guide - 🐙 迅速なエンジニアリングのためのガイド、論文、講義、およびリソース

(:octopus: Guides, papers, lecture, and resources for prompt engineering)

プロンプトエンジニアリングガイド

お知らせ/アップデート

目次

講義

ガイド

書類

Tools & Library

(名前順)

データセット

(名前順)

Blog, Guides, Tutorials and Other Readings

(Sorted by Name)

About

Author：dair-ai