Algorithmic Prompting

深度分析

以 Algorithmic Prompting（AP）與 Thinking-before-Speaking（TbS）打造 LLM 在表格文本分析的穩定化框架

研究指出，表格資料中把自由文本變成可分析欄位時，LLM 輸出穩定性不足會影響下游結果。CAST 以 Algorithmic Prompting 建立程序式推理骨架，並用 Thinking-before-Speaking 要求中間承諾與結構化狀態，實驗顯示能顯著提升摘要與標註的穩定性與可重現性。