Efficient Prompting Methods for Large Language Models: A Survey

本位是LLM系列文章，针对《Efficient Prompting Methods for Large Language Models:A Survey》的翻译。

摘要

提示已成为使大型语言模型（LLM）适应特定自然语言处理任务的主流范式。虽然这种方法为LLM的上下文学习打开了大门，但它带来了模型推理的额外计算负担和手动设计提示的人工工作，特别是在使用冗长复杂的提示来指导和控制LLM行为时。因此，LLM领域出现了高效提示方法的显著激增。本文对这些方法进行了全面的概述。从较高的层次上讲，高效的提示方法大致可分为两种：高效计算提示和高效设计提示。前者涉及各种压缩提示的方法，后者采用自动优化提示的技术。我们介绍了激励的基本概念，回顾了高效激励的进展，并强调了未来的研究方向。

1 引言

2 概述

3 高效计算提示

4 高效设计提示

5 未来提示：理论分析

6 结论

在这项工作中，我们总结了LLM的有效提示方法，以提高LLM的效率和性能。我们以高度认可的方式回顾了现有的相关工作，阐明了每个类别中的内在联系，并从理论角度深入