Core Concepts
大規模言語モデルの性能を最大限に引き出すためには、適切なプロンプトを選択することが重要である。本手法は、入力に応じて最適なプロンプトを自動的に選択することで、効率的かつ柔軟なプロンプティングを実現する。
Abstract
本研究では、大規模言語モデルの性能を最大限に引き出すための自動プロンプト選択手法を提案している。
まず、訓練データをクラスタリングし、各クラスタに対してLLMベースのプロンプト生成器を用いて多様なプロンプトを生成する。これらのプロンプトを組み合わせてプロンプトデータベースを構築する。
次に、入力-プロンプト-出力のペアからなる合成データセットを生成し、プロンプト評価器を訓練する。プロンプト評価器は、入力に対して最適なプロンプトを選択するためのスコアを出力する。
最後に、テスト時には、プロンプト評価器を用いてプロンプトデータベースからベストなプロンプトを選択し、それを大規模言語モデルに入力して最終的な出力を得る。
この手法により、プロンプトの一般性と特異性のバランスを取りつつ、効率的な計算コストで最適なプロンプティングを実現できる。実験の結果、提案手法は既存手法を上回る性能を示した。
Stats
少なくとも45%の生徒がプロムナイトに出席し、少なくとも35%の生徒が討論会に参加した。
200人の生徒がいる学校で、プロムナイトにも討論会にも参加しなかった生徒の最大数は110人である。
Quotes
"大規模言語モデルの性能を最大限に引き出すためには、適切なプロンプトを選択することが重要である。"
"本手法は、入力に応じて最適なプロンプトを自動的に選択することで、効率的かつ柔軟なプロンプティングを実現する。"