PromptWizard : Cadre d'optimisation des invites piloté par un agent conscient des tâches

Les grands modèles de langage (LLMs) ont révolutionné l'IA dans divers domaines, montrant des capacités remarquables. Au cœur de leur succès se trouve le concept d'invitation, qui guide la génération de sortie du modèle. Cependant, l'ingénierie manuelle des invites est laborieuse et spécifique à un domaine, nécessitant des solutions automatisées. Cet article présente PromptWizard, un nouveau cadre tirant parti des LLM pour synthétiser et affiner de manière itérative des invites adaptées à des tâches spécifiques. Contrairement aux approches existantes, PromptWizard optimise à la fois les instructions d'invite et les exemples en contexte, maximisant les performances du modèle. Le cadre affine de manière itérative les invites en mutant les instructions et en incorporant des exemples négatifs pour approfondir la compréhension et garantir la diversité. Il améliore également les instructions et les exemples avec l'aide d'un critique, synthétisant de nouvelles instructions et exemples enrichis de détails de raisonnement pour des performances optimales. PromptWizard offre plusieurs caractéristiques et capacités clés, y compris une efficacité computationnelle par rapport aux approches à la pointe de la technologie, une adaptabilité aux scénarios avec des quantités variables de données d'entraînement, et une efficacité avec des LLM plus petits. Une évaluation rigoureuse à travers 35 tâches sur 8 ensembles de données démontre la supériorité de PromptWizard par rapport aux stratégies d'invite existantes, montrant son efficacité et sa scalabilité dans l'optimisation des invites.