什么是Auto-Prompting？
Auto-Prompting（自动提示工程）是一种利用算法自动生成或优化提示（prompts）的技术，旨在提升大型语言模型在特定任务上的性能。它通过减少人工设计提示的繁琐过程，结合模型反馈或搜索策略来高效探索更有效的提示方式，从而引导模型输 […]
作者： 创新及产品管理能力建设项目
什么是动态提示（Dynamic Prompting）？
动态提示（Dynamic Prompting）是指在人工智能系统中，根据实时上下文、用户输入或环境变化动态调整输入提示（Prompt）的技术。这种机制允许模型在生成响应时自适应地优化提示内容，从而提升输出的相关性、准确性和个性化程度，尤其在 […]
什么是提示链（Prompt Chaining）？
提示链（Prompt Chaining）是一种在大型语言模型（LLM）应用中广泛使用的技术，通过将多个提示（prompt）串联成一个序列，使得每个提示的输出作为下一个提示的输入，从而逐步引导模型完成复杂任务。这种方法将复杂的查询分解为更小、 […]
什么是重复惩罚（Repetition Penalty）？
重复惩罚（Repetition Penalty）是一种在自然语言生成模型中应用的技术，旨在通过调整模型输出概率来抑制重复内容的产生。具体而言，在文本生成过程中，模型会对已出现过的单词或短语施加惩罚因子，降低其在后续生成中的概率，从而提升输出 […]
什么是Top-k Sampling？
Top-k Sampling是一种在语言模型文本生成中常用的采样策略，它通过在每个解码步骤中仅考虑概率分布中排名最高的k个token（词汇单元），并从这些候选token中随机选取一个作为输出，从而在保证生成质量的同时引入适度的多样性。 在A […]
什么是Beam Search？
Beam Search（束搜索）是一种在序列生成任务中常用的启发式搜索算法，它通过在每一步预测中仅保留最有可能的k个候选序列（称为束宽），而非探索所有可能路径，从而在维持生成质量的前提下大幅提升计算效率，特别适用于自然语言处理中的文本生成、 […]
什么是条件随机场（Conditional Random Field, CRF）？
条件随机场（Conditional Random Field, CRF）是一种用于序列数据建模的概率图模型，专门处理序列标注任务如自然语言处理中的命名实体识别或词性标注。它直接建模给定输入序列X条件下输出标签序列Y的条件概率分布P(Y|X) […]
什么是马尔可夫链（Markov Chain）？
马尔可夫链（Markov Chain）是一种随机过程模型，其核心特性在于“无记忆性”，即系统在任意时刻的状态转移仅依赖于当前状态，而与过去的状态序列无关。这种模型由状态空间和状态间的转移概率矩阵定义，用于描述序列事件随时间演变的概率行为，是 […]
什么是Few-shot提示（Few-shot Prompting）？
Few-shot提示（Few-shot Prompting）是一种提示工程技术，通过在大型语言模型的输入中嵌入少量任务示例（通常为2-5个），引导模型理解新任务的模式并生成相应输出，而无需重新训练模型。这些示例作为上下文演示输入与期望输出的 […]
什么是提示选择（Prompt Selection）？
提示选择（Prompt Selection）是指在生成式人工智能应用中，通过精心设计和优化输入提示（Prompt）以引导模型更有效地执行特定任务的过程。它涉及对提示语的措辞、结构、上下文等进行系统性调整，旨在提升模型输出的准确性、相关性和实 […]