@ -4,6 +4,6 @@ Prompt engineering è una disciplina relativamente nuova che consente di svilupp
Chi si occupa di ricerca usa il prompt engineering per migliorare le capacità dei LLM su un'ampia gamma di compiti comuni e complessi, come la risposta a domande e il ragionamento aritmetico. Chi sviluppa software invece per progettare tecniche di prompt robuste ed efficaci che si interfacciano con i LLM e con altri strumenti.
Prompt engineeringnon riguarda solo la progettazione e lo sviluppo di prompt. Comprende un'ampia gamma di competenze, tecniche ed utili per interagire e sviluppare con i LLM. È un'abilità importante per interfacciarsi, costruire e comprendere le capacità dei LLM. È possibile utilizzare l'ingegneria dei prompt per migliorare la sicurezza dei LLM e costruire nuove funzionalità, come l'aumento dei LLM con la conoscenza del dominio e gli strumenti esterni.
Prompt engineeringnon riguarda solo la progettazione e lo sviluppo di prompt. Comprende un'ampia gamma di competenze, tecniche ed utili per interagire e sviluppare con i LLM. È un'abilità importante per interfacciarsi, costruire e comprendere le capacità dei LLM. È possibile utilizzare l'ingegneria dei prompt per migliorare la sicurezza dei LLM e costruire nuove funzionalità, come l'aumento dei LLM con la conoscenza del dominio e gli strumenti esterni.
Motivati dall'elevato interesse per lo sviluppo con gli LLM, abbiamo creato questa nuova guida all'ingegneria dei prompt che contiene tutti i documenti più recenti, le guide all'apprendimento, i modelli, le lezioni, i riferimenti, le nuove funzionalità degli LLM e gli strumenti relativi all'ingegneria dei prompt.
Di seguito sono riportati gli articoli scientifici più recenti (ordinati in base alla data di pubblicazione) sul prompt engineerig. Aggiorniamo questa guida quotidianamente, in base all'arrivo di nuovi documenti. Ogni settimana inseriamo i riassunti di questi documenti nelle guide precedenti.
Di seguito sono riportati gli articoli scientifici più recenti (ordinati in base alla data di pubblicazione) sul prompt engineering. Aggiorniamo questa guida quotidianamente, in base all'arrivo di nuovi documenti. Ogni settimana inseriamo i riassunti di questi documenti nelle guide precedenti.
- [Methods of prompt programming](https://generative.ink/posts/methods-of-prompt-programming)
- [Mysteries of mode collapse](https://www.lesswrong.com/posts/t9svvNPNmFf5Qa3TA/mysteries-of-mode-collapse)
- [NLP for Text-to-Image Generators: Prompt Analysis](https://heartbeat.comet.ml/nlp-for-text-to-image-generators-prompt-analysis-part-1-5076a44d8365)
- [NLP with Deep Learning CS224N/Ling284 - Lecture 11: Promting, Instruction Tuning, and RLHF](http://web.stanford.edu/class/cs224n/slides/cs224n-2023-lecture11-prompting-rlhf.pdf)
- [NLP with Deep Learning CS224N/Ling284 - Lecture 11: Prompting, Instruction Tuning, and RLHF](http://web.stanford.edu/class/cs224n/slides/cs224n-2023-lecture11-prompting-rlhf.pdf)
- [Notes for Prompt Engineering by sw-yx](https://github.com/sw-yx/ai-notes)
- [On pitfalls (and advantages) of sophisticated large language models](https://arxiv.org/abs/2303.17511)
Pietro Monticone
1 year ago