利用大模型同情心提升模型性能-prompt优化玄学

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

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🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​