Prompt Engineering调优实录：从38%到91%准确率的NER任务迭代
本文记录了一次针对中文命名实体识别（NER）任务的Prompt工程完整实验。通过设计5种不同结构的Prompt模板，在GPT-3.5-turbo（gpt-3.5-turbo-0613）上进行了总计120次API调用，对比了零样本、少样本、思维链（CoT）及角色扮演等策略。实验数据显示，采用“角色定义+格式约束+两步推理”的混合Prompt，将F1值从基线0.38提升至0.91，同时将单次token
阿航_Lab
Lv.1Open-sourceenthusiast，关注工具与工程实践，主要关注软件开发，分享性能优化、开源工具使用及真实项目复盘；更关注能够真正落地的方法。记录不一定完美，但力求真实、清楚、可验证。
1文章
0粉丝
0关注
0获赞