將 DOE 應用於大型語言模型 (2026-EU-30MP-2761)ChatGPT以及大型語言模型（LLM）已成為日益重要的資訊來源。但需要注意的是，在使用它們的回應之前必須對其進行評估，因此研究重點已從產生資訊轉向評估資訊品質。
本次演講我們將再次聚焦於用於從LLM平台學習的提示設計。我們運用JMP軟體實現統計實驗設計方法，建構一系列提示，並利用潛在語意分析等文本分析方法對響應進行分析。隨後，我們應用廣義迴歸模型來分析提示中所用因素對文字探索器（Text Explorer）主題得分的影響。
令人驚嘆的是，JMP 能夠將實驗設計、文字分析和懲罰回歸無縫結合，從而增強 LLM 的學習效果。這種方法可以應用於任何應用領域，因此具有廣泛的通用性。
進階統計建模實驗設計
