Buchumschlag

Automatic Prompt Engineering with No Task Cues and No Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chowdhury, Faisal, Mihindukulasooriya, Nandana, D'Souza, Niharika S, Samulowitz, Horst, Gupta, Neeru, Hanusiak, Tomasz, Kapitonow, Michal
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Automatic Prompt Optimization for Knowledge Graph Construction: Insights from an Empirical Study
von: Mihindukulasooriya, Nandana, et al.
Veröffentlicht: (2025)

StructText: A Synthetic Table-to-Text Approach for Benchmark Generation with Multi-Dimensional Evaluation
von: Kashyap, Satyananda, et al.
Veröffentlicht: (2025)

DP-Bench: A Benchmark for Evaluating Data Product Creation Systems
von: Chowdhury, Faisal, et al.
Veröffentlicht: (2025)

DPDisc: From Factoid Questions to Data Product Requests for Open-World Data Product Discovery over Tables and Text
von: Zhang, Liangliang, et al.
Veröffentlicht: (2025)

A FAIR and Free Prompt-based Research Assistant
von: Shamsabadi, Mahsa, et al.
Veröffentlicht: (2024)

Can We Locate and Prevent Stereotypes in LLMs?
von: D'Souza, Alex
Veröffentlicht: (2026)

Language Model Representations for Efficient Few-Shot Tabular Classification
von: Kang, Inwon, et al.
Veröffentlicht: (2026)

Prior Prompt Engineering for Reinforcement Fine-Tuning
von: Taveekitworachai, Pittawat, et al.
Veröffentlicht: (2025)

Research Trends for the Interplay between Large Language Models and Knowledge Graphs
von: Khorashadizadeh, Hanieh, et al.
Veröffentlicht: (2024)

Dynamic Task Vector Grouping for Efficient Multi-Task Prompt Tuning
von: Zhang, Pieyi, et al.
Veröffentlicht: (2025)

Understanding Forgetting in LLM Supervised Fine-Tuning and Preference Learning -- A Convex Optimization Perspective
von: Fernando, Heshan, et al.
Veröffentlicht: (2024)

Provable Benefits of Task-Specific Prompts for In-context Learning
von: Chang, Xiangyu, et al.
Veröffentlicht: (2025)

CrossPT: Exploring Cross-Task Transferability through Multi-Task Prompt Tuning
von: Pouramini, Ahmad, et al.
Veröffentlicht: (2025)

Agentic Control Center for Data Product Optimization
von: Tamilselvan, Priyadarshini, et al.
Veröffentlicht: (2026)

Diagnosing Structural Failures in LLM-Based Evidence Extraction for Meta-Analysis
von: Tan, Zhiyin, et al.
Veröffentlicht: (2026)

Toward Purpose-oriented Topic Model Evaluation enabled by Large Language Models
von: Tan, Zhiyin, et al.
Veröffentlicht: (2025)

Bridging the Evaluation Gap: Leveraging Large Language Models for Topic Model Evaluation
von: Tan, Zhiyin, et al.
Veröffentlicht: (2025)

Exploring the Latest LLMs for Leaderboard Extraction
von: Kabongo, Salomon, et al.
Veröffentlicht: (2024)

PEML: Parameter-efficient Multi-Task Learning with Optimized Continuous Prompts
von: Chowdhury, Anjir Ahmed, et al.
Veröffentlicht: (2026)

RePrompt: Planning by Automatic Prompt Engineering for Large Language Models Agents
von: Chen, Weizhe, et al.
Veröffentlicht: (2024)

Enhancing Few-Shot Transfer Learning with Optimized Multi-Task Prompt Tuning through Modular Prompt Composition
von: Pouramini, Ahmad, et al.
Veröffentlicht: (2024)

YESciEval: Robust LLM-as-a-Judge for Scientific Question Answering
von: D'Souza, Jennifer, et al.
Veröffentlicht: (2025)

LLMs4OL 2024 Overview: The 1st Large Language Models for Ontology Learning Challenge
von: Giglou, Hamed Babaei, et al.
Veröffentlicht: (2024)

Efficiently Aligned Cross-Lingual Transfer Learning for Conversational Tasks using Prompt-Tuning
von: Tu, Lifu, et al.
Veröffentlicht: (2023)

ClaimIQ at CheckThat! 2025: Comparing Prompted and Fine-Tuned Language Models for Verifying Numerical Claims
von: Anik, Anirban Saha, et al.
Veröffentlicht: (2025)

The Prompt Report: A Systematic Survey of Prompt Engineering Techniques
von: Schulhoff, Sander, et al.
Veröffentlicht: (2024)

Using LLMs for Automated Privacy Policy Analysis: Prompt Engineering, Fine-Tuning and Explainability
von: Chen, Yuxin, et al.
Veröffentlicht: (2025)

From Keywords to Structured Summaries: Streamlining Scholarly Information Access
von: Shamsabadi, Mahsa, et al.
Veröffentlicht: (2024)

MiGrATe: Mixed-Policy GRPO for Adaptation at Test-Time
von: Phan, Peter, et al.
Veröffentlicht: (2025)

Multi-domain Knowledge Graph Collaborative Pre-training and Prompt Tuning for Diverse Downstream Tasks
von: Zhang, Yichi, et al.
Veröffentlicht: (2024)

Automatic Prompt Generation via Adaptive Selection of Prompting Techniques
von: Ikenoue, Yohei, et al.
Veröffentlicht: (2025)

Evaluating Large Language Models for Structured Science Summarization in the Open Research Knowledge Graph
von: Nechakhin, Vladyslav, et al.
Veröffentlicht: (2024)

Astro-NER -- Astronomy Named Entity Recognition: Is GPT a Good Domain Expert Annotator?
von: Evans, Julia, et al.
Veröffentlicht: (2024)

Large Language Models as Evaluators for Scientific Synthesis
von: Evans, Julia, et al.
Veröffentlicht: (2024)

A Survey of Prompt Engineering Methods in Large Language Models for Different NLP Tasks
von: Vatsal, Shubham, et al.
Veröffentlicht: (2024)

An Evaluation of Large Language Models on Text Summarization Tasks Using Prompt Engineering Techniques
von: Aly, Walid Mohamed, et al.
Veröffentlicht: (2025)

Exploring Prompt Engineering: A Systematic Review with SWOT Analysis
von: Singh, Aditi, et al.
Veröffentlicht: (2024)

Automatic Prompt Optimization with Prompt Distillation
von: Dyagin, Ernest A., et al.
Veröffentlicht: (2025)

OntoAligner: A Comprehensive Modular and Robust Python Toolkit for Ontology Alignment
von: Giglou, Hamed Babaei, et al.
Veröffentlicht: (2025)

Knowledge Base Construction for Knowledge-Augmented Text-to-SQL
von: Baek, Jinheon, et al.
Veröffentlicht: (2025)