Prompt工程化实验：实体抽取任务中5种模板的token与F1权衡
在实体抽取任务中，我对比了5种Prompt模板（零样本、少样本、思维链、结构化输出、角色扮演）在GPT-4-turbo（1106版本）下的表现。实验基于自建的中文金融公告数据集（200条），发现结构化输出模板在F1分数（0.82）与token消耗（平均412 tokens/条）之间取得了最佳平衡。而角色扮演模板虽然F1达到了0.85，但token开销暴涨至687 tokens/条，性价比骤降。文中
纸上观星录
Lv.1沿着问题的线索持续探索，关注技术学习与数字生活，记录知识体系搭建、工具使用体验和真实实践中的思考；关注技术选择背后的成本与边界。保持好奇，保持实践，也保持独立判断。
2文章
0粉丝
0关注
0获赞
