WikiEdge:ArXiv-2407.08995/terms

編輯

這篇文章的術語表如下：

• 大型語言模型（Large Language Models, LLMs）：在自然語言處理（NLP）領域中，大型語言模型指的是具有大量參數的深度學習模型，它們能夠理解和生成文本。
• 角色扮演提示（Role-play prompting）：一種提示策略，通過讓語言模型扮演特定角色來增強其在特定任務中的性能。
• 自我提示調整（Self-prompt tuning）：一種通過微調語言模型，使其能夠自動生成適合特定問題的專家角色提示的方法。
• LIMA數據集（LIMA dataset）：一個用於語言模型微調的高質量小規模數據集，包含單輪和多輪對話。
• 指令調整（Instruction tuning）：一種微調技術，通過在多樣化的NLP數據集上微調LLMs，使其能夠遵循人類的指令。
• 角色扮演能力（Role-playing Abilities）：指語言模型在角色扮演任務中展現出的適應性和交互能力。
• 最少至最多提示（Least-to-most prompting）：一種提示策略，通過將原始問題分解成更簡單的子問題並依次解決它們。
• 自我提煉提示（Self-refine prompting）：一種提示策略，首先生成輸出，然後使用同一語言模型提供反饋和改進，迭代地改進初始輸出。
• 思維樹提示（Tree-of-thought prompting）：一種提示策略，將潛在的推理路徑表示為分支樹結構，並使用搜索算法探索和識別正確的推理路徑。
• LIMA-Role數據集（LIMA-Role dataset）：LIMA數據集的增強版本，通過GPT-4添加了角色扮演提示。