Выбор промта для больших языковых моделей: деловые коммуникации
https://doi.org/10.26907/2782-4756-2025-79-1-66-74
Аннотация
В данной статье рассматривается роль LLM в обработке естественного языка, а также возможности их использования для различных задач, в частности в области деловых коммуникаций. Отмечается важность правильной формулировки запросов для эффективного взаимодействия с нейросетями. Промт-инжиниринг становится не только техническим, но и креативным процессом, который требует от пользователя способности грамотно построить диалог с нейросетью. В статье рассматриваются различные методы классификации типов промтов в зависимости от задач и ситуативного контекста, а также приводятся конкретные шаблоны промтов, направленные на настройку эффективного взаимодействия между человеком и LLM. Последние исследования раскрывают возможности применения LLM в деловых коммуникациях, например для создания презентаций или имитации стилей знаменитых CEO для формирования бизнес-контента. Анализируются возможности применения больших языковых моделей в качестве инструмента для генерации и адаптации текста деловой коммуникации. Установлено, что выбор языковых средств, представленных в генерируемом ИИ тексте, оказывает влияние на эффективность подачи материала и результат бизнес-проекта в целом. В результате отмечается, что грамотное использование генеративного ИИ, включая умение строить запросы, является важной частью цифровой компетентности, наличие которой напрямую влияет на успешность деловой коммуникации и других сфер деятельности.
Ключевые слова
Об авторе
Е. В. Комарова
Московский государственный институт международных отношений (университет)
МИД России
Россия
Россия
Комарова Елена Валерьевна, кандидат филологических наук, доцент,
119454, Москва, пр. Вернадского, 76
Список литературы
1. Hochreiter S., Schmidhuber J. Long short-term memory // Neural computation. 1997. Vol. 9. No. 8. P. 1735–1780.
2. Huang J., Chang K. C.-C. Towards reasoning in large language models: A survey // arXiv preprint arXiv:2212.10403, 2022.
3. Muhammad Usman Hadi, Qasem Al Tashi, Rizwan Qureshi, et al. A Survey on Large Language Models: Applications, Challenges, Limitations, and Practical Usage // TechRxiv. 2023. July 10.
4. White J. et al. A prompt pattern catalog to enhance prompt engineering with chatgpt //arXiv preprint arXiv:2302.11382. 2023.
5. van Dis E. A., Bollen J., Zuidema W., van Rooij R., Bockting C. L. Chatgpt: five priorities for research // Nature. 2023. Vol. 614. No. 7947. P. 224–226.
6. Reynolds L., McDonell K. Prompt programming for large language models: Beyond the few-shot paradigm // CoRR. 2021. Vol. abs/2102.07350. [Online]. URL: https://arxiv.org/abs/2102.07350 (дата обращения: 02.02.2025).
7. Wei J., Wang X., Schuurmans D., Bosma M., Chi E. H., Le Q., Zhou D. Chain of thought prompting elicits reasoning in large language models // CoRR. 2022. Vol. abs/2201.11903. [Online]. URL: https://arxiv.org/abs/2201.11903 (дата обращения: 02.02.2025).
8. Wei J., Tay Y., Bommasani R., Raffel C., Zoph B., Borgeaud S., Yogatama D., Bosma M., Zhou D., Metzler D., Chi E. H., Hashimoto T., Vinyals O., Liang P., Dean J., Fedus W. Emergent abilities of large language models. 2022. [Online]. URL: https://arxiv.org/abs/ 2206.07682 (дата обращения: 02.02.2025).
9. Zhou Y., Muresanu A. I., Han Z., Paster K., Pitis S., Chan H., Ba J. Large language models are human-level prompt engineers. 2022. [Online]. URL: https://arxiv.org/abs/2211.01910 (дата обращения: 02.02.2025).
10. Shin T., Razeghi Y., Logan IV R. L., Wallace E., Singh S. Autoprompt: Eliciting knowledge from language models with automatically generated prompts // CoRR. 2020. Vol. abs/2010.15980 [Online]. URL: https://arxiv.org/abs/2010.15980 (дата обращения: 02.02.2025).
11. Radford A., Wu J., Child R., Luan D., Amodei D., Sutskever I. Language models are unsupervised multitask learners. 2019.
12. Zhou D., Sch¨arli N., Hou L., Wei J., Scales N., Wang X., Schuurmans D., Cui C., Bousquet O., Le Q., Chi E. Least-tomost prompting enables complex reasoning in large language models. 2022. [Online]. URL: https://arxiv.org/abs/2205.10625 (дата обращения: 02.02.2025).
13. Jung J., Qin L., Welleck S., Brahman F., Bhagavatula C., Bras R. L., Choi Y. Maieutic prompting: Logically consistent reasoning with recursive explanations. 2022. [Online]. URL: https://arxiv.org/abs/2205.11822 (дата обращения: 02.02.2025).
14. Arora S., Narayan A., Chen M. F., Orr L., Guha N., Bhatia K., Chami I., Re C. Ask me anything: A simple strategy for prompting language models // International Conference on Learning Representations. 2023. [Online]. URL: https://openreview.net/forum?id=bhUPJnS2g0X (дата обращения: 02.02.2025).
15. Frîncu I. In Search of the Perfect Prompt. 2023.
16. Zhao Z. et al. Calibrate before use: Improving few-shot performance of language models // International conference on machine learning. PMLR, 2021. С. 12697– 12706.
17. Svendsen A., Garvey B. An Outline for an Interrogative/Prompt Library to help improve output quality from Generative-AI Datasets. May 2023. URL: https://ssrn.com/abstract=4495319 (дата обращения: 02.02.2025). DOI: http://dx.doi.org/10.2139/ssrn.4495319
18. Ibrahim J. The Art of Asking ChatGPT for HighQuality Answers (Nzunda Technologies Ltd: January 2023).
19. Svendsen A., Garvey B. Prompt-engineering testing ChatGPT4 and Bard for assessing Generative-AI efficacy to support decision-making // Available at SSRN 4495320. 2023.
20. Short C. E., Short J. C. The artificially intelligent entrepreneur: ChatGPT, prompt engineering, and entrepreneurial rhetoric creation // Journal of Business Venturing Insights. 2023. Т. 19. С. e00388.
21. Anglin A. H. et al. Role theory perspectives: Past, present, and future applications of role theories in management research // Journal of Management. 2022. Т. 48. №. 6. С. 1469–1502.
22. Roccapriore A. Y., Pollock T. G. I don’t need a degree, I’ve got abs: influencer warmth and competence, communication mode, and stakeholder engagement on social media // Academy of Management Journal. 2023. Т. 66. №. 3. С. 979–1006.
23. Lavanchy M., Reichert P., Joshi A. Blood in the water: An abductive approach to startup valuation on ABC's Shark Tank // Journal of Business Venturing Insights. 2022. Т. 17. С. e00305.
24. Short C. E., Hubbard T. D. Do boards and the media recognize quality? An assessment of CEO contextual quality using pay, dismissal, awards, and linguistics // Academy of Management Discoveries. 2023. Т. 9. №. 4. С. 525–548.
25. Ouyang L. et al. Training language models to follow instructions with human feedback //Advances in neural information processing systems. 2022. Т. 35. С. 27730–27744.
26. Radford A. Improving language understanding by generative pre-training. 2018.
27. Jha A. et al. How to Construct and Deliver an Elevator Pitch: A Recipe for the Research Scientist. 2023.
28. Lounsbury M., Glynn M. A. Cultural entrepreneurship: Stories, legitimacy, and the acquisition of resources // Strategic management journal. 2001. Т. 22. № 6–7. С. 545–564.
29. Nugroho S. et al. The role of ChatGPT in improving the efficiency of business communication in management science // Jurnal Minfo Polgan. 2023. Т. 12. №. 1. С. 1482–1491.
30. Abubakar A. M. et al. Knowledge management, decision-making style and organizational performance // Journal of Innovation & Knowledge. 2019. Т. 4. №. 2. С. 104–114.
31. Korzynski P. et al. Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT // Entrepreneurial Business and Economics Review. 2023. Т. 11. № 3. С. 25–37.
32. Riina V., Stefano K., Yves P. DigComp 2.2: The Digital Competence Framework for Citizens-With new examples of knowledge, skills and attitudes. Joint Research Centre, 2022. №. JRC128415.
Рецензия
Для цитирования:
Комарова Е.В. Выбор промта для больших языковых моделей: деловые коммуникации. Филология и культура. Philology and Culture. 2025;(1):66-74. https://doi.org/10.26907/2782-4756-2025-79-1-66-74
For citation:
Komarova E.V. Prompt choice for large language models: Business communications. Philology and Culture. 2025;(1):66-74. (In Russ.) https://doi.org/10.26907/2782-4756-2025-79-1-66-74
Просмотров:
92
Послать статью по эл. почте 