APT-Pipe：一种用于社交数据标注的 ChatGPT 提示调优工具

最近的研究强调了大型语言模型（LLM）应用（如 ChatGPT）在执行社交计算文本标签标注方面的潜力。然而，众所周知，其性能取决于输入提示的质量。为解决这一问题，大量研究致力于提示调优，即试图提高提示质量的技术和指南。然而，这些方法主要依赖人工努力和对待标注数据集的先验知识。为克服这一局限，我们提出了 APT-Pipe，一种自动化提示调优流水线。APT-Pipe 旨在自动调优提示，以提升 ChatGPT 在任意给定数据集上的文本分类性能。我们实现了 APT-Pipe 并在十二个不同的文本分类数据集上进行了测试。我们发现，经 APT-Pipe 调优的提示帮助 ChatGPT 在十二个实验数据集中的九个上实现了更高的加权 F1 分数，平均提升了 7.01%。我们进一步通过展示其如何扩展以支持额外的调优机制，突出了 APT-Pipe 作为框架的灵活性。