Optimisation de Prompt pour Graphes de Connaissances _ Étude Empirique

Source: https://arxiv.org/abs/2506.19773

Cet article de recherche, soumis sur arXiv, explore l’optimisation automatique des invites pour la construction de graphes de connaissances (KG), en se concentrant sur l’extraction de triplets à partir de texte. Les auteurs évaluent diverses stratégies d’optimisation, en testant différents LLM, la complexité du schéma, la longueur du texte d’entrée et les métriques d’optimisation. L’étude compare trois optimiseurs d’invites, DSPy, APE et TextGrad, utilisant les ensembles de données SynthIE et REBEL. La contribution principale souligne que l’optimisation automatique peut générer des invites comparables à celles créées par des humains, améliorant les résultats, en particulier avec une complexité de schéma et une taille de texte accrues.