關(guān)于機(jī)器學(xué)習(xí)AI方面 Prompt Engineering 的熱門論文

關(guān)于機(jī)器學(xué)習(xí)AI方面 Prompt Engineering 的熱門論文:


《Chain of Thought Prompting Elicits Reasoning in Large Language Models》

《Least-to-Most Prompting Enables Complex Reasoning in Large Language Models》

《Automatic Chain of Thought Prompting in Large Language Models》

《Self-Consistency Improves Chain of Thought Reasoning in Language Models》

《Large Language Models are Zero-Shot Reasoners》

《Calibrate Before Use: Improving Few-Shot Performance of Language Models》

《What Makes Good In-Context Examples for GPT-3?》

《Making Pre-trained Language Models Better Few-shot Learners》

《It’s Not Just Size That Matters: Small Language Models Are Also Few-Shot Learners》

《Exploiting Cloze-Questions for Few-Shot Text Classification and Natural Language Inference》

《GPT Understands, Too》

《P-Tuning v2: Prompt Tuning Can Be Comparable to Fine-tuning Universally Across Scales and Tasks》

《Prefix-Tuning: Optimizing Continuous Prompts for Generation》

《The Power of Scale for Parameter-Efficient Prompt Tuning》

《How Can We Know What Language Models Know?》

《Eliciting Knowledge from Language Models Using Automatically Generated Prompts》

《Fantastically Ordered Prompts and Where to Find Them: Overcoming Few-Shot Prompt Order Sensitivity》

《Can language models learn from explanations in context?》

《Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?》

《Multitask Prompted Training Enables Zero-Shot Task Generalization》

《Language Models as Knowledge Bases?》

《Do Prompt-Based Models Really Understand the Meaning of Their Prompts?》

《Finetuned Language Models Are Zero-Shot Learners》

《Factual Probing Is [MASK]: Learning vs. Learning to Recall》

《How many data points is a prompt worth?》

《Learning How to Ask: Querying LMs with Mixtures of Soft Prompts》

《Learning To Retrieve Prompts for In-Context Learning》

《PPT: Pre-trained Prompt Tuning for Few-shot Learning》

《Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm》

《Show Your Work: Scratchpads for Intermediate Computation with Language Models》

《True Few-Shot Learning with Language Models》

《Few-Shot Parameter-Efficient Fine-Tuning is Better and Cheaper than In-Context Learning》

《Improving and Simplifying Pattern Exploiting Training》

《MetaICL: Learning to Learn In Context》

《SPoT: Better Frozen Model Adaptation through Soft Prompt Transfer》

《Noisy Channel Language Model Prompting for Few-Shot Text Classification》

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末稠氮,一起剝皮案震驚了整個(gè)濱河市凫乖,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌疫衩,老刑警劉巖壮莹,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件翅帜,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡命满,警方通過查閱死者的電腦和手機(jī)涝滴,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來胶台,“玉大人歼疮,你說我怎么就攤上這事≌┗#” “怎么了韩脏?”我有些...
    開封第一講書人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長铸磅。 經(jīng)常有香客問我赡矢,道長,這世上最難降的妖魔是什么阅仔? 我笑而不...
    開封第一講書人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任济竹,我火速辦了婚禮,結(jié)果婚禮上霎槐,老公的妹妹穿的比我還像新娘。我一直安慰自己梦谜,他們只是感情好丘跌,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開白布袭景。 她就那樣靜靜地躺著,像睡著了一般闭树。 火紅的嫁衣襯著肌膚如雪耸棒。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,816評(píng)論 1 290
  • 那天报辱,我揣著相機(jī)與錄音与殃,去河邊找鬼。 笑死碍现,一個(gè)胖子當(dāng)著我的面吹牛幅疼,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播昼接,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼爽篷,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來了慢睡?” 一聲冷哼從身側(cè)響起逐工,我...
    開封第一講書人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎漂辐,沒想到半個(gè)月后泪喊,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡髓涯,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年袒啼,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片复凳。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡瘤泪,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出育八,到底是詐尸還是另有隱情对途,我是刑警寧澤,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布髓棋,位于F島的核電站实檀,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏按声。R本人自食惡果不足惜膳犹,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望签则。 院中可真熱鬧须床,春花似錦、人聲如沸渐裂。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至族阅,卻和暖如春篓跛,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背坦刀。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來泰國打工愧沟, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人鲤遥。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓沐寺,卻偏偏與公主長得像,于是被迫代替她去往敵國和親渴频。 傳聞我的和親對(duì)象是個(gè)殘疾皇子芽丹,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容