将 DOE 应用于大型语言模型 (2026-EU-30MP-2761)ChatGPT以及大型语言模型（LLM）已成为日益重要的信息来源。但需要注意的是，在使用它们的响应之前必须对其进行评估，因此研究重点已从生成信息转向评估信息质量。
本次演讲我们将再次聚焦于用于从LLM平台学习的提示设计。我们运用JMP软件实现统计实验设计方法，构建一系列提示，并利用潜在语义分析等文本分析方法对响应进行分析。随后，我们应用广义回归模型来分析提示中所用因素对文本探索器（Text Explorer）主题得分的影响。
令人惊叹的是，JMP 能够将实验设计、文本分析和惩罚回归无缝结合，从而增强 LLM 的学习效果。这种方法可以应用于任何应用领域，因此具有广泛的通用性。
高级统计建模实验设计
