多模態提示改寫於大型語言模型生成;Rephrasing Multimodal Prompts for Large Language Model Generation

NCU Institutional Repository > 管理學院 > 資訊管理學系 > 研究計畫 > Item 987654321/96912

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96912

題名:	多模態提示改寫於大型語言模型生成;Rephrasing Multimodal Prompts for Large Language Model Generation
作者:	柯士文
貢獻者:	國立中央大學資訊管理學系
關鍵詞:	語言模型;指令微調;提示工程;多模態提示;使用者研究;Language models;instruction tuning;prompt engineering;multimodal prompts;user study
日期:	2025-07-31
上傳時間:	2025-08-07 17:19:10 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	執行本計畫之目的本計畫旨在針對大型語言模型（LLMs）的多模態提示（multimodal prompts）進行優化，開發自動化提示重述技術，以提升其生成輸出的穩定性、可控性和高品質表現。計畫將分為三年執行，涵蓋文字提示優化、多模態提示整合（包含文字、影像及聲音）以及方法的實際應用評估，最終提供實用且創新的解決方案。研究目標包括減少LLMs對輸入變化的敏感度，提升其效能，並為具隱私和成本限制的情境提供可靠的替代方案。可能產生的影響性簡述如下：社會層面: 隱私保障與數據安全：計畫提供一種本地化的 LLM 使用方式，避免將敏感數據傳送至外部伺服器，特別是在醫療、金融等高度敏感的領域，降低隱私洩露的風險。科技普及化：透過降低對高成本線上服務的依賴，小型企業、初創公司以及資源有限的組織將能夠更廣泛地使用 LLM 技術，縮小科技應用的數位鴻溝。經濟層面: 成本效益提升：自動化提示重述技術能幫助資源有限的 LLM 提升性能，降低對昂貴訂閱服務的依賴，進而減少企業運營成本。產業應用推廣：優化的 LLM 提示技術可應用於客戶服務、自動化創作、教育工具等多元領域，有助於促進相關產業的自動化升級和效率提升。學術層面: 方法學創新：研究將探索文本及多模態提示的優化方法，並結合跨模態技術（如多模態嵌入及注意力機制），推動提示工程（Prompt Engineering）領域的進一步發展。實證研究基礎：計畫結合人類評估，提供實用性與用戶需求的驗證數據，為未來相關研究奠定基礎，並促進學術界與產業界的合作。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[資訊管理學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	17	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....