Key points are not available for this paper at this time.
बड़े भाषा मॉडल (LLMs) स्वचालित ट्रेसबिलिटी को क्रांतिकारी बनाने की क्षमता रखते हैं, पिछली विधियों द्वारा सामना की गई चुनौतियों को पार करते हुए और नई संभावनाएँ पेश करते हुए। हालाँकि, स्वचालित ट्रेसबिलिटी के लिए LLMs का अनुकूलतम उपयोग स्पष्ट नहीं है। यह पेपर एक LLM से लिंक पूर्वानुमान निकालने के लिए प्रॉम्प्ट इंजीनियरिंग की प्रक्रिया का पता लगाता है। हम प्रभावी प्रॉम्प्ट तैयार करने के लिए हमारे दृष्टिकोण में विस्तृत अंतर्दृष्टियाँ प्रदान करते हैं, और सीखे गए पाठ साझा करते हैं। इसके अतिरिक्त, हम LLMs का लाभ उठाने के लिए कई रणनीतियाँ प्रस्तावित करते हैं ताकि ट्रेसबिलिटी लिंक उत्पन्न किए जा सकें, प्रॉम्प्ट संशोधन के बाद उम्मीदवार लिंक की रैंकिंग पर पिछले जीरो-शॉट विधियों में सुधार किया जा सके। इस पेपर का प्राथमिक उद्देश्य भविष्य के शोधकर्ताओं और इंजीनियर्स को प्रेरित और सहायता प्रदान करना है, जिससे ट्रेसबिलिटी प्रॉम्प्ट बनाने की प्रक्रिया को स्पष्ट किया जा सके ताकि LLMs का प्रभावी उपयोग किया जा सके और स्वचालित ट्रेसबिलिटी को आगे बढ़ाया जा सके।
रोड्रिगेज आदि (शुक्रवार,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: