На факультеті відбулася відкрита лекція випускника спеціальності 121 Інженерія програмного забезпечення Тимощука Владислава на тему: “Prompt Utilization for Semantic and Syntactic Yielding in Natural Language Processing (NLP)”.
На ній, зокрема, студенти факультету могли ознайомитись з наступними розділами:
- Вступ до PromptEngineering:
- Огляд сучасного стану штучного інтелекту в NLP.
- Визначення PromptEngineering, його роль та важливість у процесах семантичного та синтаксичного опрацювання мовних моделей.
- Розгляд того, як промти впливають на вихідний результат моделей: можливість зосередитися на конкретних даних та генерувати релевантні відповіді.
- Базові концепти PromptEngineering:
- Семантика промтів: як побудова промтів впливає на змістовність і точність виходу.
- Синтаксис промтів: роль структурованості промтів у генеруванні граматично правильних і зрозумілих відповідей.
- Методики формування промтів:
- Zero-ShotPrompting:
Підхід, який не потребує попереднього контексту або прикладів. Використовується для отримання відповідей без додаткових інструкцій, пояснень чи прикладів. - Few-ShotPrompting:
Методика, де додається кілька прикладів у промт для кращого розуміння контексту. Використовується для уточнення контексту та досягнення більш точного результату. - Chain-of-Thought (CoT):
Прийом, що стимулює модель генерувати логічну послідовність думок, які приводять до остаточної відповіді. Застосовується для складніших задач, де потрібне обґрунтування. - TreeofThoughts (ToT):
Багаторівнева структура формування промтів, що дозволяє моделі досліджувати декілька варіантів розвитку думки одночасно. Використовується для задач, де варіанти можуть мати різний вплив на результат.
- Zero-ShotPrompting:
- Практичні аспекти PromptEngineering:
- Приклади та кейси застосування різних технік.
- Поради щодо вибору та налаштування промтів відповідно до задачі.
- Обговорення нових перспектив у NLP через оптимізацію промтів:
- Огляд останніх досягнень і викликів у PromptEngineering.
- Перспективи та можливості підвищення результативності моделей через оптимізацію семантичних і синтаксичних промтів.
Лекція була корисною для всіх, хто цікавиться NLP, прагне розширити розуміння методів оптимізації штучного інтелекту та хоче навчитися використовувати передові техніки для покращення взаємодії з мовними моделями.
Крім того, за результатами доповіді було оголошено конкурс із загальним призовим фондом 30000 грн (інформація додається). 