Buchumschlag

Prompt Design and Engineering: Introduction and Advanced Methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Amatriain, Xavier
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Did I Do Wrong? Quantifying LLMs' Sensitivity and Consistency to Prompt Engineering
von: Errica, Federico, et al.
Veröffentlicht: (2024)

Cataloguing Hugging Face Models to Software Engineering Activities: Automation and Findings
von: González, Alexandra, et al.
Veröffentlicht: (2025)

Code Generation with AlphaCodium: From Prompt Engineering to Flow Engineering
von: Ridnik, Tal, et al.
Veröffentlicht: (2024)

Workflow-Level Design Principles for Trustworthy GenAI in Automotive System Engineering
von: Cheng, Chih-Hong, et al.
Veröffentlicht: (2026)

Deep Learning and Machine Learning: Advancing Big Data Analytics and Management with Design Patterns
von: Chen, Keyu, et al.
Veröffentlicht: (2024)

Predictive Prompt Analysis
von: Lee, Jae Yong, et al.
Veröffentlicht: (2025)

Green Prompt Engineering: Investigating the Energy Impact of Prompt Design in Software Engineering
von: De Martino, Vincenzo, et al.
Veröffentlicht: (2025)

The More the Merrier? Navigating Accuracy vs. Energy Efficiency Design Trade-Offs in Ensemble Learning Systems
von: Omar, Rafiullah, et al.
Veröffentlicht: (2024)

Data-Driven Methods and AI in Engineering Design: A Systematic Literature Review Focusing on Challenges and Opportunities
von: Afifi, Nehal, et al.
Veröffentlicht: (2025)

Prompt Smells: An Omen for Undesirable Generative AI Outputs
von: Ronanki, Krishna, et al.
Veröffentlicht: (2024)

Automatic Semantic Augmentation of Language Model Prompts (for Code Summarization)
von: Ahmed, Toufique, et al.
Veröffentlicht: (2023)

Prompt-Driven Code Summarization: A Systematic Literature Review
von: Farjana, Afia, et al.
Veröffentlicht: (2026)

Code Roulette: How Prompt Variability Affects LLM Code Generation
von: Paleyes, Andrei, et al.
Veröffentlicht: (2025)

Towards a Classification of Open-Source ML Models and Datasets for Software Engineering
von: González, Alexandra, et al.
Veröffentlicht: (2024)

Explainable AI for Engineering Design: A Unified Approach of Systems Engineering and Component- Based Deep Learning Demonstrated by Energy- Efficient Building Design
von: Geyer, Philipp, et al.
Veröffentlicht: (2021)

PPO guided Agentic Pipeline for Adaptive Prompt Selection and Test Case Generation
von: Koushik, Gourisetty Venkata Sai, et al.
Veröffentlicht: (2026)

Lessons Learned from Mining the Hugging Face Repository
von: Castaño, Joel, et al.
Veröffentlicht: (2024)

Breaking the Silence: the Threats of Using LLMs in Software Engineering
von: Sallou, June, et al.
Veröffentlicht: (2023)

Automated Modernization of Machine Learning Engineering Notebooks for Reproducibility
von: Jin, Bihui, et al.
Veröffentlicht: (2026)

Agint: Agentic Graph Compilation for Software Engineering Agents
von: Chivukula, Abhi, et al.
Veröffentlicht: (2025)

Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM
von: Ryan, Gabriel, et al.
Veröffentlicht: (2024)

PromSec: Prompt Optimization for Secure Generation of Functional Source Code with Large Language Models (LLMs)
von: Nazzal, Mahmoud, et al.
Veröffentlicht: (2024)

A Catalog of Fairness-Aware Practices in Machine Learning Engineering
von: Voria, Gianmario, et al.
Veröffentlicht: (2024)

Software Engineering Principles for Fairer Systems: Experiments with GroupCART
von: Peng, Kewen, et al.
Veröffentlicht: (2025)

Large Language Models for Software Engineering: A Reproducibility Crisis
von: Siddiq, Mohammed Latif, et al.
Veröffentlicht: (2025)

Assessing the Use of AutoML for Data-Driven Software Engineering
von: Calefato, Fabio, et al.
Veröffentlicht: (2023)

Automating Benchmark Design
von: Dsouza, Amanda, et al.
Veröffentlicht: (2025)

A Systematic Literature Review on the Use of Machine Learning in Software Engineering
von: Fred, Nyaga, et al.
Veröffentlicht: (2024)

SeaView: Software Engineering Agent Visual Interface for Enhanced Workflow
von: Bula, Timothy, et al.
Veröffentlicht: (2025)

SWE-Arena: An Interactive Platform for Evaluating Foundation Models in Software Engineering
von: Zhao, Zhimin
Veröffentlicht: (2025)

Programming with Pixels: Can Computer-Use Agents do Software Engineering?
von: Aggarwal, Pranjal, et al.
Veröffentlicht: (2025)

FGDM: Reasoning Aware Multi-Agentic Framework for Software Bug Detection using Chain of Thought and Tree of Thought Prompting
von: Padmanabhuni, Srita, et al.
Veröffentlicht: (2026)

Impact of ML Optimization Tactics on Greener Pre-Trained ML Models
von: Álvarez, Alexandra González, et al.
Veröffentlicht: (2024)

Using Small Language Models to Reverse-Engineer Machine Learning Pipelines Structures
von: Lacroix, Nicolas, et al.
Veröffentlicht: (2026)

More Rigorous Software Engineering Would Improve Reproducibility in Machine Learning Research
von: Wolter, Moritz, et al.
Veröffentlicht: (2025)

Combating Toxic Language: A Review of LLM-Based Strategies for Software Engineering
von: Zhuo, Hao, et al.
Veröffentlicht: (2025)

LLM-Based Design Pattern Detection
von: Schindler, Christian, et al.
Veröffentlicht: (2025)

Perspective of Software Engineering Researchers on Machine Learning Practices Regarding Research, Review, and Education
von: Mojica-Hanke, Anamaria, et al.
Veröffentlicht: (2024)

Exploring CoCo Challenges in ML Engineering Teams: Insights From the Semiconductor Industry
von: Azamnouri, A., et al.
Veröffentlicht: (2026)

Applying the Chinese Wall Reverse Engineering Technique to Large Language Model Code Editing
von: Hanmongkolchai, Manatsawin
Veröffentlicht: (2025)