学习目标● 掌握Zero-shot方式下prompt的设计方式● 掌握基于提示词利用LLM实现文本分类的方法1.LLM文本分类任务介绍下面几段文本来自某平台发布的金融领域文本金融文本 → 分类标签1.今日央行发布公告宣布降低利率以刺激经济增长。这一降息举措将影响贷款利率并在未来几个季度内对金融市场产生影响。新闻报道 2.“ABC公司今日发布公告称已成功完成对XYZ公司股权的收购交易。本次交易是ABC公司在扩大业务范围、加强市场竞争力方面的重要举措。据悉此次收购将进一步巩固ABC公司在行业中的地位并为未来业务发展提供更广阔的发展空间。详情请见公司官方网站公告栏”公司公告 3.公司资产负债表显示公司偿债能力强劲现金流充足为未来投资和扩张提供了坚实的财务基础。财务公告 4.最新的分析报告指出可再生能源行业预计将在未来几年经历持续增长投资者应该关注这一领域的投资机会分析师报告我们的目的是期望模型能够帮助我们识别出这4段话中每一句话描述的是一个什么类型的报告。因此我们期望模型输出的结果为文本分类 → 实体抽取 → 关系分类 → 金融领域知识图谱prompt任务描述现在干什么事情输入数据带分类的文本输出要求输出预定的类别标签你是一个金融领域的专家需要完成下面的金融文本分类任务。输入如下###[输入文本]###输出的标签必须是下面的其中一个不能是多个标签。[新闻报警,公司公告,财务公告,分析师报告]请完成文本分类。[新闻报道,公司公告,财务公告,分析师报告]2.Prompt设计● 对于大模型来讲prompt的设计非常重要一个明确 的prompt能够帮助我们更好从大模型中获得我们想要的结果。● 在该任务的prompt设计中我们主要考虑2点○需要向模型解释什么叫作「文本分类任务」○需要让模型按照我们指定的格式输出● 为了让模型知道什么叫做「文本分类」我们借用Incontext Learning的方式先给模型展示几个正确的例子 User今日故事经历了一轮震荡受到宏观经济数据和全球贸易紧张局势的 Bot新闻报道 User“本公司年底财务报告显示去年公司实现了稳步增长的盈利同时资产” Bot财务报告