本記事は、メリーランド大学やOpenAI、スタンフォード大学、Microsoftなどの研究者らが作成した調査論文『プロンプトレポート』の紹介記事シリーズの3記事目です。
重要なお知らせ：AI分野のお仕事マッチングサービス「AIDB HR」を開始しました！登録後はオファーを受け取るだけのシンプルなサービスです！現在、期間限定で、ギフト券が必ずもらえる新規登録キャンペーンも行っています。
参照論文情報
- タイトル：The Prompt Report: A Systematic Survey of Prompting Techniques
- 著者：Sander Schulhoff, Michael Ilie, Nishant Balepur, Konstantine Kahadze, Amanda Liu, Chenglei Si, Yinheng Li, Aayush Gupta, HyoJung Han, Sevien Schulhoff, Pranav Sandeep Dulepet, Saurav Vidyadhara, Dayeon Ki, Sweta Agrawal, Chau Pham, Gerson Kroiz, Feileen Li, Hudson Tao, Ashay Srivastava, Hevander Da Costa, Saloni Gupta, Megan L. Rogers, Inna Goncearenco, Giuseppe Sarli, Igor Galynker, Denis Peskoff, Marine Carpuat, Jules White, Shyamal Anadkat, Alexander Hoyle, Philip Resnik
- 所属：University of Maryland, OpenAI, Stanford, Microsoft, Vanderbilt, Princeton, Texas State University, Icahn School of Medicine, ASST Brianza, Mount Sinai Beth Israel, Instituto de Telecomunicações, University of Massachusetts Amherst
はじめに
LLMのプロンプティングに関する包括的な調査論文の要点を3回に分けて紹介しています。
1記事目では、プロンプティングの基本的な概念や用語、歴史的な発展について説明し、体系的なレビュープロセスを通じた58のテキストベースのプロンプティング手法を紹介しました。
2記事目では、英語以外の言語でのプロンプティングや、画像、音声、動画などのマルチモーダルなプロンプティングの手法について解説しました。また、外部ツールを利用するエージェントシステムや、LLMを評価者として活用する手法など、プロンプティングの応用的な発展についても触れました。
そしてこの3記事目では、プロンプティングに関連するセキュリティやアライメントの課題について扱っていきます。
さらに、プロンプティング手法のベンチマーク評価や、実際のユースケースへの適用事例についても紹介し、LLMを実社会で活用する上で何が重要かを多角的に論じていきます。
特に、熟練のプロンプトエンジニアによるプロンプトエンジニアリング実践の流れは必見です。
また記事の購読には、アカウント作成後の決済が必要です。
※ログイン/初回登録後、下記ボタンを押してください。
AIDBとは
プレミアム会員（記事の購読）について
■サポートのお願い
AIDBを便利だと思っていただけた方に、任意の金額でサポートしていただけますと幸いです。
PAGE TOP