Acceso usuarios
Clendson Domingos Gonçalves, Fábio Lúcio Lopes de Mendonça, Edna Dias Canedo, Robson de Oliveira Albuquerque, Georges Daniel Amvame Nze, Daniel Alves da Silva
The STAR method (Situation, Task, Action, Result) is originally employed in the field of human resources and provides a logical framework for responses in behavioral interviews. This study proposes STAR-Prompting, a prompt engineering technique based on the STAR Method logic, for interactions with large language models (LLMs), aiming to generate more reliable responses, particularly in Defense and Security contexts. The results compare free-form prompts and structured prompts using the proposed system across four LLMs: Gemini Flash 2.0, Llama 3.3 70B, GPT-4o-mini, and Claude 3.5 Sonnet. The analysis demonstrates that STARPrompting improves the quality of responses and highlights its promising potential to enhance communication between humans and AI systems by reducing ambiguity and increasing the overall quality of generated outputs.
O método STAR (Situação, Tarefa, Ação, Resultado) é originalmente usado na área de recursos humanos e oferece uma estrutura lógica para respostas em entrevistas comportamentais. Este estudo propõe o STAR-Prompting, uma técnica de engenharia de prompt baseada na lógica do método STAR, para interações com modelos de linguagem de grande escala (LLM), visando respostas mais confiáveis, especialmente em contextos de Defesa e Segurança. Os resultados comparam prompts em linguagem livre e prompts estruturados com o sistema proposto em quatro LLMs: Gemini Flash 2.0, Llama 3.3 70B, GPT-4o-mini e Claude 3.5 Sonnet.
A análise mostra que o uso do STAR-Prompting melhora a qualidade das respostas e destaca seu potencial promissor para aprimorar a comunicação entre humanos e sistemas de IA, reduzindo a ocorrência de ambiguidades e elevando a qualidade das respostas geradas.
