ChatGPT&Prompt工程
文章平均质量分 74
这个专栏,我整理和筛选出了国内关于GPT、ChatGPT等NLP领域的关键技术和信息,同时加入自己的学习、思考、工作等非保密内容,希望能够帮助大家短时间内对ChatGPT有一个认知全景图,适合所有对ChatGPT感兴趣的人。
Soyoger
申明:个人微信公众号:AI技术研习社,公众号ID:ai2club。本博客只是用来学习,并不从事任何商业活动,其内容是自己总结或者来自互联网搜索到的,并没有过多关注版权问题,如有侵权内容,请私信我进行删除,谢谢。本博客内容主要围绕计算机领域热点技术和工作内容,不涉及版权问题,任何人可以查看、转载。
展开
-
开篇词:我为什么要写这个专栏?
这个专栏,我整理和筛选出了国内关于GPT、ChatGPT等NLP领域的关键技术和信息,同时加入自己的思考和学习、工作非保密内容,希望能够帮助大家短时间内就对ChatGPT有一个认知全景图,适合所有对ChatGPT感兴趣的人。原创 2023-02-25 23:03:35 · 1209 阅读 · 0 评论 -
第01课:一文说透ChatGPT是什么?
ChatGPT(全名:Chat Generative Pre-trained Transformer),由美国顶尖AI实验室OpenAI开发的一个人工智能聊天机器人程序,该程序使用基于GPT-3架构的大语言模型并通过强化学习进行训练,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频、脚本、文案、翻译、代码,写论文等任务。原创 2023-02-26 11:17:33 · 2943 阅读 · 0 评论 -
第02课:ChatGPT好玩的主流应用150+个(不断补充中)
本节内容主要给大家详细介绍了ChatGPT的注册,在经过一番注册体验之后,你会不会想在自己的项目中使用ChatGPT呢?ChatGPT平台已经为技术提供了一个入口,下一节课的内容,我将给大家介绍ChatGPT API的使用方法,帮助你在自己的项目中集成ChatGPT。原创 2023-04-09 11:51:29 · 2820 阅读 · 0 评论 -
第03课:如何快速构建自己的ChatGPT应用?
本节我们通过从官网上了解和获取一些关于ChatGPT的有用信息,来构建自己的应用。原创 2023-04-09 21:36:18 · 960 阅读 · 0 评论 -
第04课:使用revChatGPT动手制作问答机器人
revChatGPT是acheong08/ChatGPT 项目提供了一个很好的 ChatGPT 接口。地址:https://github.com/acheong08/ChatGPT该项目是采用python开发的,目前项目在github上已经获取了23.4k的star数量。原创 2023-04-09 22:17:40 · 2717 阅读 · 3 评论 -
第05课:一文说透大模型
最近,有一个明显的感受,AI开始快速从感知职能向认知智能迈进了,也就是说,正从“能听、会说、会看”的感知智能,逐渐走向“能思考、能回答、能总结、能创作”的认知智能,甚至开始进行“决策和推理”了。原创 2023-04-28 23:05:28 · 633 阅读 · 0 评论 -
第6课:创投前沿《陆奇的大模型世界观》笔记
本文对《陆奇的大模型世界观》进行了重点内容的解读。时代在高速地进行,且速度越来越快,它是结构上决定的,势不可挡。我们面临这样的一个时代,像当年淘金时代一样,如果你那个时候去加州淘金,一大堆人会死掉,但是卖勺子、卖铲子的人永远可以赚钱。所谓的shove and pick business。原创 2023-04-29 13:24:32 · 452 阅读 · 0 评论 -
第07课:Prompt Learning 新范式
预训练语言模型通常采用无监督学习的方式进行训练,即不需要标注数据,只需要将大量的文本数据输入模型中进行学习。预训练语言模型的训练过程通常包括两个阶段:第一阶段是通过大规模的无标注语料库训练一个语言模型,例如使用自编码器或者递归神经网络等模型进行训练;第二阶段则是通过有标注数据对已经训练好的语言模型进行微调,例如使用条件语言模型或者序列标注模型等。预训练语言模型的发展历程:NLP领域中的预训练思路可以一直追溯到word2vec的提出,word2vec的提出启发了后来的预训练语言模型的发展。原创 2023-04-29 16:52:52 · 255 阅读 · 0 评论 -
第08课:Prompt Engineering——提问ChatGPT的艺术
提示工程(Prompt Engineering,也称为In-Context Prompting)指在不更新模型参数的前提下、通过输入文本等方法来操控大型语言模型(Large Language Model)以指导其行为、引导其生成我们需要的结果的方法。原创 2023-04-29 22:37:58 · 918 阅读 · 0 评论 -
第09课:《ChatGPT提示工程》—— Introduction(引言)
ChatGPT 上线至今,在实际应用中,不少人还没真正掌握它的使用技巧。ChatGPT 的难点,在于 Prompt(提示词)的编写,OpenAI 创始人在今年 2 月时,在 Twitter 上说:「能够出色编写 Prompt 跟聊天机器人对话,是一项能令人惊艳的高杠杆技能」。如何写好 Prompt 已经成为了一个分水岭。熟练掌握 Prompt 编写的人,能够很快让 ChatGPT 理解需求,并很好的执行任务。原创 2023-04-30 10:09:08 · 590 阅读 · 0 评论 -
第10课:《ChatGPT提示工程》—— Guidelines(入门)
你应该通过提供尽可能清晰和具体的说明来表达你想让模型做什么。这将引导模型朝着期望的输出方向,并减少得到无关或不正确响应的可能性。不要将写清晰的提示与写简短的提示混淆,因为在许多情况下,更长的提示实际上为模型提供了更多的清晰度和上下文,这可能会导致更详细和相关的输出。第二个原则是给模型时间思考。如果模型在急于得出错误的结论,导致了推理错误,那么你应该尝试重新构造查询,以请求一系列相关推理的链或序列,在模型提供最终答案之前。原创 2023-04-30 11:36:26 · 731 阅读 · 0 评论 -
第11课:《ChatGPT提示工程》—— Iterative(迭代)
Prompt开发是一个迭代的过程。尝试一些东西,看看它是否符合你的要求,然后考虑如何澄清你的指令,或者在某些情况下,考虑如何给它更多的空间来思考,以使它更接近你想要的结果。我认为成为一个有效的Prompt工程师的关键不在于知道完美的Prompt,而在于有一个好的开发Prompt的过程,以使它对你的应用程序有效。原创 2023-04-30 22:56:23 · 212 阅读 · 0 评论 -
第12课:《ChatGPT提示工程》—— Summarizing(概括)
语言模型的概括功能是一项非常有用的技术,可以帮助人们更加高效地处理文本信息。随着技术的不断进步,我们相信这种功能将在越来越多的应用中得到广泛的应用。就现阶段来说,语言模型生成的概述可能不是完美的,因为它仍然是一个正在不断学习的技术。但是,它提供了一个很好的起点,让你快速了解文章的主要内容。原创 2023-04-30 23:27:58 · 247 阅读 · 0 评论 -
第13课:《ChatGPT提示工程》—— Inferring(推断)
关于推断的内容,你可以构建多个关于文本推断的系统,而以前这可能需要一个熟练的机器学习开发者花费几天甚至几周的时间来完成。所以,我觉得这非常令人兴奋,对于熟练的机器学习开发者以及对机器学习较为陌生的人来说,现在你可以通过提示来快速构建并开始处理诸如这些相当复杂的自然语言处理任务。原创 2023-05-01 10:38:26 · 241 阅读 · 0 评论 -
第14课:《ChatGPT提示工程》——Transforming(转换)
大型语言模型是非常擅长将输入转换为不同的格式,例如将一种语言的文本输入并将其转换或翻译成另一种语言,或帮助进行拼写和语法纠正,因此将输入的文本可能并不完全符合语法,帮助您修复一下。还可以进行转换格式,例如输入 HTML 并输出 JSON。因此,过去我们使用大量正则表达式痛苦地编写的一系列应用程序现在肯定可以使用大型语言模型和一些提示更简单地实现。原创 2023-05-01 11:06:30 · 278 阅读 · 0 评论 -
第15课:《ChatGPT提示工程》—— Expanding(扩展)
扩展可以让大模型生成更长的文本,模型可以根据输入的上下文和语法规则,生成与之相关的文本。在自然语言生成领域,扩展可以帮助生成更加自然、流畅的文本,同时增加文本的多样性和创造力。在文本摘要和机器翻译领域,扩展可以帮助生成更加准确、完整的摘要和翻译。总之,扩展是一种非常有用的自然语言处理技术,可以帮助我们生成更加优质和有用的文本。原创 2023-05-01 12:04:47 · 596 阅读 · 0 评论 -
第16课:《ChatGPT提示工程》—— Chatbot(聊天机器人)
使用OpenAI的ChatGPT是一个非常强大的聊天机器人模型,它可以产生自然流畅的对话,并且可以通过简单的代码进行实现。如果你想使用ChatGPT构建自己的聊天机器人,可以先查看OpenAI的文档和示例代码,然后逐步进行调试和优化。原创 2023-05-01 21:43:57 · 426 阅读 · 1 评论 -
第17课:论文《Is GPT-4 a Good Data Analyst?》介绍
前面我们学习了很多开发ChatGPT的方法和工具,接下来我们重点介绍如何在具体的场景中,把我们学到的知识落地,为业务和企业赋能。GPT-4替代初级数据分析师的成本只有0.71%,换成高级数据分析师则是0.45%……你没看错,是百分之零点七一,不是百分之七十一。这项结论来自阿里达摩院与新加坡南洋理工大学的新论文,被网友评价为对AI和数据分析领域感兴趣的必读论文。那我们就从这篇论文《Is GPT-4 a Good Data Analyst?》说起吧。原创 2023-07-02 15:01:01 · 216 阅读 · 0 评论 -
第18课:让ChatGPT帮助我们做数据分析
对于类似数据提取、写Excel公式、写SQL等重复性的体力劳动,使用ChatGPT便可以轻松辅助完成分析工作,我认为在未来,数据分析确实会像ChatGPT一样,持续进化。以上就是利用ChatGPT 写SQL的实例,本质就是把表的Schema告诉ChatGPT,并把你相同统计的问题也给过去,ChatGPT最后返回给你需要的SQL。中,我曾说过,对于任何行业、任何一个人来说,未来与数据打交道的频率和机会只会越来越多,参与的越来越深,而数据分析思维可以说是未来任何工作中最核心的竞争力之一。原创 2023-07-07 22:55:51 · 450 阅读 · 0 评论 -
第19课:让ChatGPT帮助我们做情感分析
本节内容,使用ChatGPT帮助我们完成情感分析的任务。在传统的自然语言处理(NLP)中,处理情感分析类问题,我们会转化成一个分类问题进行处理。先采用人工标注的方法,训练一个逻辑回归或者朴素贝叶斯模型,然后使用模型对未标注过的数据进行打分或者计算概率,通过这一值来判断是积极还是消极。例如:模型对新的数据返回一个0-1的概率值,小于0.5为消极,大于0.5为积极。在传统的NLP任务中,除了模型,特征工程对我们的准确率影响也非常大。不同的方法在解决不同问题时效果各异。原创 2023-07-15 11:47:27 · 441 阅读 · 0 评论 -
第20课:解决痛点|如何让ChatGPT记住指令并随时调用呢?
本节内容总结了在使用ChatGPT过程中,通过锚定词让ChatGPT帮助我们记住指令。但是上面提到的方法,非常局限,首先把prompt的管理转嫁为锚定词管理了,那如果一场聊天中有很多锚定词,锚定词的管理又成了一个新的痛点;其次,锚定词没法解决跨场次记住指令,如果有用户想记住过往使用的所有prompt呢?原创 2023-07-15 15:54:20 · 466 阅读 · 0 评论 -
第21课:大语言模型的节奏与中小创业者的入局
从年初的ChatGPT3.5开始,到国内大厂大模型百花齐放,国产大模型已经达到113个,国产大模型发布持续高涨。但显然,上一周的明星,显然就是LLaMA2。LLama2 宣布开源,大模型一直在改写历史和创造历史,然后我也有一些自己的看法。原创 2023-07-30 11:20:07 · 274 阅读 · 0 评论