选项格式对 LLM 性能的影响
计算与语言
2025-06-18 v2 人工智能
计算工程、金融与科学
新兴技术
机器学习
摘要
本文研究了大型语言模型 (LLM) 性能的一个关键方面：提示中分类任务选项的最佳格式。通过广泛的实验研究，我们比较了两种选项格式——项目符号和纯英文文本——以确定它们对模型性能的影响。我们的研究结果表明，通过项目符号呈现选项通常会产生更好的结果，尽管存在一些例外。此外，我们的研究强调需要继续探索选项格式，以推动模型性能的进一步提升。
引用
@article{arxiv.2503.06926,
title = {Effect of Selection Format on LLM Performance},
author = {Yuchen Han and Yucheng Wu and Jeffrey Willard},
journal= {arXiv preprint arXiv:2503.06926},
year = {2025}
}