Telegram Group »
Taiwan »
Машиннное обучение | Наука о данных Библиотека »
Telegram Webview »
Post 1025
📄 Это исследование оценивает 14 техник prompt-инжиниринга для 10 задач в области Software Engineering, используя 4 разных LLM.
Методология 🔧:
● Эффективность оценивалась с помощью метрик:
● Анализировались лингвистические характеристики prompt'ов:
● Применялась
📌 Выводы помогут понять, какие типы prompt'ов реально работают в инженерных задачах и почему.
Читать
Методология 🔧:
● Эффективность оценивалась с помощью метрик:
Accuracy, F1 score, CodeBLEU, BLEU.● Анализировались лингвистические характеристики prompt'ов:
лексическое разнообразие, число токенов и их связь с качеством ответа.● Применялась
контрастивная интерпретация, чтобы выявить ключевые факторы, влияющие на результативность техник.📌 Выводы помогут понять, какие типы prompt'ов реально работают в инженерных задачах и почему.
Читать
group-telegram.com/machinelearning_books/1025
Create:
Last Update:
Last Update:
📄 Это исследование оценивает 14 техник prompt-инжиниринга для 10 задач в области Software Engineering, используя 4 разных LLM.
Методология 🔧:
● Эффективность оценивалась с помощью метрик:
● Анализировались лингвистические характеристики prompt'ов:
● Применялась
📌 Выводы помогут понять, какие типы prompt'ов реально работают в инженерных задачах и почему.
Читать
Методология 🔧:
● Эффективность оценивалась с помощью метрик:
Accuracy, F1 score, CodeBLEU, BLEU.● Анализировались лингвистические характеристики prompt'ов:
лексическое разнообразие, число токенов и их связь с качеством ответа.● Применялась
контрастивная интерпретация, чтобы выявить ключевые факторы, влияющие на результативность техник.📌 Выводы помогут понять, какие типы prompt'ов реально работают в инженерных задачах и почему.
Читать
BY Машиннное обучение | Наука о данных Библиотека
Share with your friend now:
group-telegram.com/machinelearning_books/1025