当前位置:首页 > 报告详情

微提示LLMs和SLM:从复制品到代理工作量.pdf

上传人: c** 编号:464932 2025-01-12 11页 645.67KB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文探讨了人工智能生成(GenAI)领域的微提示(micro-prompting)和宏观提示(macro-prompting)技术。宏观提示自2022年以来一直是主流,提供详尽的指令给大型语言模型(LLMs),但存在工程挑战,如工程专业知识有限、时间预算不足,以及依赖昂贵且稀缺的模型如GPT-4。微提示则是一种自动化的目标导向方法,简洁、模块化且高度优化,成本效益高,可扩展且耐用。微提示将问题分解为离散的功能任务,定义明确的输入和输出,合成示例,并定义测量标准。文章还讨论了优化、自动微分、以及微提示流在AI硬件与系统中的应用。最后,文章比较了LLMs和SLMs的优缺点,指出微提示对于资源高效、成本效益高、可扩展、增强数据隐私和控制的SLMs更为有效。
微提示如何改变游戏规则?" 如何实现自动提示优化与微调?" 微提示如何重塑AI发展?"
客服
商务合作
小程序
服务号
折叠