arrow
返回

Prompt's Evolution for Language Model-Driven Data Generation

delete2025-12-08
delete0
delete
OA
AI
N
Nicolás Hidalgo *
P
Pablo Sáez
N
Nicolás Meneses
V
Víctor Reyes
E
Erika Rosas
DOI:10.3390/app152412911delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

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
Applied Sciences-Basel
IF:
2.5
论文数:
7.6K
被引数:
4

机构

U
universitat politecnica de valencia
学者数:
1.1K
论文数: 512
被引数: 0
U
university diego portales
学者数:
1.5K
论文数: 1.5K
被引数: 23
引用论文

引用论文

err分享
err收藏
Big data preprocessing: methods and prospects
err2016-11-01
err0
errOAAI
errSalvador García; Sergio Ramírez-Gallego; Julián Luengo; José Manuel Benítez; Francisco Herrera
err分享
err收藏
GAAPO: genetic algorithmic applied to prompt optimizationGAAPO:将遗传算法应用于提示优化
err2025-09-22
err0
errOAAI
errXavier Sécheresse; Jacques-Yves Guilbert–Ly; Antoine Villedieu de Torcy
err分享
err收藏
Parameter control in evolutionary algorithms
err1999-07-01
err1.3K
errOAAI
errEiben, AE; Hinterding, R; Michalewicz, Z
err分享
err收藏
学者 查看更多内容