今天是2024年8月15日,星期四,北京,天气晴。
我们来看看一个很有趣的prompt:
关于prompt玄学trick,利用AI的同情心提升模型性能,先跟模型说常规的“把事情做好,否则我就会被解雇。”然后加上一句“拜托,没有这份工作,我的家人就会饿死”,性能会有改善。
Use the common "Get this right or l’ll be fired."trick, but then add in "Please, my family willstarve without this job.
来自:https://x.com/mattshumer_/status/1823812325566243039
此外,我们来看看两个工作,分别是关于文档处理进行表格数据增强、关于大模型进行情感计算,可以看看。
常看常思考,总会有所收获。
一、关于文档处理进行表格数据增强
我们来看看文档处理进展,关于表格数据增强的工作:
尽管表格数据在机器学习中非常普遍,但获取大量高质量的表格数据以训练模型仍然是一个重大挑战。
为了解决这个问题,许多研究工作集中在表格数据增强上,目的是通过向原始表格添加额外的数据来增强其信息,从而改善下游的机器学习任务。
《Tabular Data Augmentation for Machine Learning: Progress and Prospects of Embracing Generative AI》( https://arxiv.org/abs/2407.21523 )这个工作可以看看,其提到TDA流程架构,包括三个主要步骤:预增强(pre-augmentation)、增强(augmentation)和后增强(post-augmentation)。
其中:
预增强包括一系列准备工作,比如错误处理、表格注释、表格简化、表格表示、表格索引、表格导航、架构匹配和实体匹配等,以便于后续的TDA。
增强阶段分为基于检索的方法(从外部数据源检索数据)和基于生成的方法(生成合成数据),并根据增强过程的粒度进一步细分这些方法,如行、列、单元格和表格级别。
后增强阶段则关注TDA的数据集、评估和优化方面。
地址:https://arxiv.org/abs/2407.21523,https://github.com/SuDIS-ZJU/awesome-tabular-data-augmentation
可以看看其在不同工作上的索引。
二、关于大模型进行情感计算总结
大模型进行情感计算包括情感理解和情感生成方面的模型微调技术、提示工程方法、基准测试与评估指标等。可以看看《Affective Computing in the Era of Large Language Models: A Survey from the NLP Perspective》,https://arxiv.org/abs/2408.04638
1、关于Affective Computing的不同任务
2、关于Affective Computing的不同benchmark
参考文献
1、https://arxiv.org/abs/2408.04638
2、https://arxiv.org/abs/2407.21523
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓