Makalah Prompt Engineering Diterima di ICML 2026, Warganet Ribut Berdebat
Makalah rekayasa prompt telah diterima di konferensi ICML 2026, memicu perdebatan luas di komunitas. Makalah ini memperkenalkan metode "Verbalized Sampling" (VS) yang hanya dengan mengubah instruksi prompt, dapat meningkatkan keragaman output model bahasa besar (LLM) dan mengurangi masalah "Mode Collapse".
Metode ini meminta model untuk menghasilkan beberapa jawaban sekaligus dan memberikan nilai probabilitas verbal untuk setiap opsi. Penulis berargumen bahwa akar masalah homogenitas output terletak pada bias tipikal dalam data preferensi manusia yang digunakan untuk melatih model, bukan semata-mata pada algoritma. Eksperimen menunjukkan peningkatan keragaman 1.6–2.1 kali dalam tugas kreatif tanpa mengorbankan akurasi atau keamanan.
Reaksi di komunitas terbelah. Sebagian meragukan nilai inovasi metode yang "hanya" memodifikasi prompt dan mempertanyakan stabilitas serta generalisasinya. Mereka khawatir tren ini mencerminkan standar publikasi yang longgar. Di sisi lain, pendukung menekankan bahwa penelitian yang solid tidak harus kompleks, selama memiliki dasar teoretis, eksperimen ketat, dan hasil yang dapat direproduksi. Mereka menyamakannya dengan awal metode "Chain-of-Thought" (CoT), yang juga dimulai dari instruksi prompt sederhana namun membuka bidang penelitian baru. Makalah ini menandai pergeseran potensial dalam penelitian ML, di mana teknik pada fase inferensi mendapatkan perhatian setara dengan inovasi pelatihan model.
marsbit07/15 08:00
