返回
Prompt's Evolution for Language Model-Driven Data Generation
DOI:10.3390/app152412911.png)
摘要
En 中文
在数据时代,数据生成量日益增长,其体量、种类和速度的动态性给处理系统带来了新的挑战。为实时处理数据,流处理系统(SPS)是实时数据分析系统的关键。然而,SPS必须在严格的服务质量(QoS)约束下运行,这要求其内部逻辑动态调整以维持性能。本研究通过采用进化方法指导提示学习,解决了使用大型语言模型(LLMs)进行自动文本数据生成的问题。该方法通过黑盒方式从参考数据集中生成合成数据,以自动发现提示。此方法旨在丰富训练数据集,并增强人工智能驱动的自适应SPS模型的泛化能力。
Keyword:
data generation
LLMs
metaheuristics
genetic algorithm
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4

