像大型语言模型(LLMS)这样的通用AI已从简单的下一个字预测变量[7]演变为实现复杂用户需求的强大助手[23,48,53]。LLM指导遵循的这种改进鼓励用户将日益复杂的任务委托给这些模型。在迅速工程的早期,用户主要致力于完善简单说明的单词以提高LLM输出质量[26,61]。今天,提示类似于定义LLM角色,人类偏好和其他特定于任务的详细“论文”。这些提示不是一次性的小要求,而是开始为程序的结构提供动力。一方面,设计师和开发人员现在为LLM代理(例如Devin,Swe-Agent)编写功能描述,以转换为可执行的软件代码[27,58,68,72]。另一方面,每天的用户可以编写复杂的提示,以将通用LLM量身定制为特殊用途的LLM应用程序。例如,LLM应用程序(或GPTS)如Trip Advisor 1
主要关键词
![arxiv:2409.08775v1 [cs.hc] 2024年9月13日PDF文件第1页](/bimg/b/bb7ca444b6776c7fe388a07bd220d84463b1a770.webp)
![arxiv:2409.08775v1 [cs.hc] 2024年9月13日PDF文件第2页](/bimg/b/bc7d7deb6ca51d091a2e061808383e9710308dd8.webp)
![arxiv:2409.08775v1 [cs.hc] 2024年9月13日PDF文件第3页](/bimg/6/6cd65373e6d0cfdc41a255120d6f5842df0a1aa4.webp)
![arxiv:2409.08775v1 [cs.hc] 2024年9月13日PDF文件第4页](/bimg/9/96af66f4d5186cf296d7a39d38039871f6a97d13.webp)
![arxiv:2409.08775v1 [cs.hc] 2024年9月13日PDF文件第5页](/bimg/5/50bdda3a3c1522d0dd7f1136108ec18278bdc75c.webp)
