【AI大模型学习路线】第一阶段之大模型开发基础——第五章（提示工程技术-2）Active-prompt。
【AI大模型学习路线】第一阶段之大模型开发基础——第五章（提示工程技术-2）Active-prompt。
【AI大模型学习路线】第一阶段之大模型开发基础——第五章（提示工程技术-2）Active-prompt。
文章目录
- 【AI大模型学习路线】第一阶段之大模型开发基础——第五章（提示工程技术-2）Active-prompt。
- 前言
- 1 背景与动机
- 1.1 CoT 的局限
- 1.2 Active Learning 思想引入
- 2 定义与机制
- 1. 不确定性估计（Uncertainty Estimation）
- 2. 示例挑选（Example Selection）
- 3. Prompt 更新（Prompt Update）
- 4. 迭代（Iteration）
- 3 详细流程
- 3.1 初始化
- 3.2 不确定性度量
- 3.3 人工标注
- 3.4 Prompt 重构
- 3.5 循环迭代
- 4 Python 实操示例
- 5 最佳实践与注意事项
- 6 未来趋势
欢迎宝子们点赞、关注、收藏！欢迎宝子们批评指正！
祝所有的硕博生都能遇到好的导师！好的审稿人！好的同门！顺利毕业！
大多数高校硕博生毕业要求需要参加学术会议，发表EI或者SCI检索的学术论文会议论文。详细信息可关注VX “
学术会议小灵通”或参考学术信息专栏：https://fighting.blog.csdn.net/article/details/146985684
前言
结合最新“MaaS（Model-as-a-Service）”趋势与工业界对高效示例筛选的需求，Active-Prompt（又称 Active Promptin