大语言模型上下文学习中角色设计的影响
计算与语言
2025-09-30 v1 人工智能
摘要
上下文学习（ICL）使大语言模型（LLMs）能够基于提示生成预测，而无需额外的微调。尽管提示工程已被广泛研究，但提示中角色设计的影响仍被低估。本研究考察了GPT-3.5和GPT-4o（OpenAI）以及Llama2-7b和Llama2-13b（Meta）在零样本和少样本学习场景下角色配置的影响。我们在多个数据集上评估了模型性能，重点关注情感分析、文本分类、问答和数学推理等任务。我们的结果表明，基于角色的提示结构化具有提升LLM性能的潜力。
引用
@article{arxiv.2509.23501,
title = {The Impact of Role Design in In-Context Learning for Large Language Models},
author = {Hamidreza Rouzegar and Masoud Makrehchi},
journal= {arXiv preprint arXiv:2509.23501},
year = {2025}
}
备注
Code is available at https://github.com/hrouzegar/Role_Based-In-Context-Learning