aidoczh.com 上线大模型提示工程指南中文文档

最新推荐文章于 2024-11-18 19:00:00 发布
置顶 最新推荐文章于 2024-11-18 19:00:00 发布
阅读量2.9k 收藏 26
点赞数 58
分类专栏： AIDOCZH 文章标签： 语言模型 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wjjc1017/article/details/140368128
版权

一、Prompt Engineering Guide提示工程介绍

Github： https://github.com/dair-ai/Prompt-Engineering-Guide

英文网站：https://www.promptingguide.ai

中文文档：http://www.aidoczh.com/docs/prompt_guide/

这次翻译主要原因是原网站的中文翻译并不全面，所以做了这个工作。我以做了全部的翻译和整理。

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

二、内容介绍

Prompt工程是一门相对较新的学科，用于开发和优化提示，以便有效地利用语言模型（LMs）来应用于各种应用程序和研究主题。Prompt工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。

研究人员使用Prompt工程来提高LLMs在各种常见和复杂任务上的能力，如问答和算术推理。开发人员使用Prompt工程来设计稳健且有效的提示技术，与LLMs和其他工具进行交互。

Prompt工程不仅仅是关于设计和开发提示。它涵盖了一系列有用于与LLMs进行交互和开发的技能和技术。这是一项重要的技能，用于与LLMs进行交互、构建，并理解LLMs的能力。您可以使用Prompt工程来提高LLMs的安全性，并构建新的能力，如利用领域知识和外部工具增强LLMs。

受到与LLMs开发的高度兴趣的推动，创建了这份新的Prompt工程指南，其中包含所有最新论文、高级提示技术、学习指南、特定模型提示指南参考资料、新的LLMs能力以及与Prompt工程相关的工具。

内容导航

数智笔记
关注
专栏目录
从提示工程到自我完善:DSPy如何革新AI开发范式
步子哥的博客
09-05 1076
在DSPy的世界里,“签名”(Signature)是一个核心概念。它就像是你给AI下达的任务清单,清楚地定义了输入和输出。"""根据给定的上下文回答问题。"""这个签名告诉AI:"嘿,我会给你一些上下文和一个问题,你需要给我一个答案。"简单明了,对吧?DSPy的出现,就像是给AI开发者们送来了一把打开新世界的钥匙。它不仅简化了开发过程,更重要的是,它改变了我们思考和构建AI系统的方式。从手工雕琢提示到编程基础模型,这是一次思维的跃迁,一次范式的转变。
让AI知识触手可及——欢迎访问AIDOCZH.COM AI工具中文文档网站！
数智笔记
06-13 2383
在当今快速发展的科技时代，人工智能（AI）已经渗透到各行各业。对于广大AI爱好者和从业者而言，一个全面、易懂且及时更新的AI工具中文文档网站无疑是福音。因此，我们热忱地向您推荐AIDOCZH.COM——一个专门为提供AI工具中文文档而创建的网站。
全新发布：AIDOCZH.com 推出 Langchain API参考中文文档，提升查阅API效率！
数智笔记
06-20 727
这个网站是专门AI类工具中文文档的，方便我们做机器学习、深度学习、NLP、大模型、知识图谱等开发时参阅文档，快速了解工具使用，提高工作效率。目前已经LangChain、Ollama、AutoGen、Milvus、PyCaret、DSPy、CrewAI的中文文档，后续还会陆续上线更多AI工具中文文档。
AiDocZh.com重磅发布！LlamaIndex中文文档上线啦！
数智笔记
06-26 2736
LlamaIndex 是一个用于构建上下文增强LLM应用的框架。上下文增强是指将LLM应用于您的私有数据或领域特定数据的任何用例。一些流行的用例问答聊天机器人（通常称为RAG系统，代表“检索增强生成”）文档理解与提取能够进行研究并采取行动的自主代理LlamaIndex 提供了从原型到生产环境构建上述任何用例所需的工具。这些工具允许您同时摄取/处理数据，并实现将数据访问与LLM提示结合的复杂查询工作流程。这是一个汇聚做AI工具中文文档的网站，方便大家在学习和工作中查阅相关工具文档，快速使用相关工具。
重磅上线！AiDocZh.com发布全新AutoGen中文文档，带你解锁大模型多Agent对话新时代
数智笔记
06-16 5354
AutoGen 是一个框架，可以使用多个代理进行对话，解决任务，从而实现 LLM 应用的开发。AutoGen 代理是可定制、可对话的，并且可以无缝地允许人类参与。它们可以在使用 LLM、人类输入和工具的各种模式下运行。
向量数据库Milvus快速入门——AIDOCZH.COM上线Milvus中文文档
数智笔记
06-17 1883
本页面旨在通过回答几个问题来为您提供Milvus的概述。阅读本页面后，您将了解Milvus是什么，它是如何工作的，以及关键概念、为什么使用Milvus、支持的索引和度量、示例应用程序、架构和相关工具。Milvus是在2019年创建的，其唯一目标是存储、索引和管理由深度神经网络和其他机器学习（ML）模型生成的大规模嵌入向量。作为一个专门设计用于处理输入向量查询的数据库，它能够在万亿级别上对向量进行索引。与现有的主要处理遵循预定义模式的结构化数据的关系型数据库不同，Milvus是从底层开始设计的，用于处理从。
OpenAI入门指南 aidoczh.com 上线OpenAI Cookbook中文版
数智笔记
07-16 2031
OpenAI Cookbook是一个涵盖广泛使用技巧和代码示例的资源，专门为希望学习和应用大语言模型（如GPT系列）的开发者和研究人员设计。这个资源库通过详细的文档、实际案例和易于理解的教程，帮助用户快速上手并深入掌握OpenAI技术的各个方面。Cookbook中包含了关于如何调用OpenAI API的基本指南，包括API的安装和配置、身份验证方法以及基本的请求和响应处理。对于初学者来说，这些基础知识是理解和使用OpenAI模型的关键起点。
【aidoczh.com】深度学习框架Keras中文文档上线
数智笔记
09-24 1069
Keras 是一个用 Python 编写的深度学习 API，能够在JAXTensorFlow或PyTorch上运行。简单– 但并不简陋。Keras 降低了开发者的认知负担以便让你专注于真正重要的问题部分。灵活– Keras 采用逐步披露复杂性的原则：简单工作流程应该快速且简单，而任意复杂的工作流程应该通过清晰的路径变得可行，该路径建立在你已经学习的基础上。强大– Keras 提供行业级的性能和可扩展性：被包括 NASA、YouTube 和 Waymo 在内的组织使用。
【AiDocZh.com】Scikit-Learn1.6官方文档中文翻译上线啦
数智笔记
08-12 1640
自从有了想翻译scikit-learn官方文档的想法，已经有了半年时间，现在终于翻译和校验完了。由于精力有限，难免会有一些错误，请大家见谅。scikit-learn是机器学习领域最重要的工具，但由于一些大量的专业词汇，导致阅读会有一些缓慢，通过翻译了中文文档，可以快速了解相关知识，也可以跟官网的对应网页找到对应。希望能帮助到数据挖掘、机器学习领域学习的同学。
Scikit-Learn 1.4使用指南：模型持久化
数智笔记
02-08 1116
除了一些例外情况外，pickle 的模型在相同版本的依赖项和 Python 使用的情况下应该可以在不同架构之间移植。在训练完一个 scikit-learn 模型后，希望有一种方法可以将模型保存下来以备将来使用，而不必重新训练。当使用与保存模型的 scikit-learn 版本不一致的 scikit-learn 版本来反序列化估计器时，会引发 InconsistentVersionWarning。但是，您需要指定您信任的类型。为了满足可重现性和质量控制的需求，当考虑到不同的架构和环境时，将模型导出为。
ks8 本地化部署 F5-TTS
陈锐的技术笔记
11-13 1052
此外，F5-TTS 还创新性地引入了推理时的 Sway Sampling 策略，这一策略可以在推理阶段优先处理早期的流步骤，从而提高生成语音与输入文本的对齐效果。在 LibriSpeech-PC 数据集上，该模型的字错误率（WER）达到了2.42，并且在推理时的实时因子(RTF)为0.15，显著优于之前的扩散模型 E2TTS，后者在处理速度和鲁棒性上存在短板。传统的 TTS 模型往往需要进行复杂的持续时间建模、音素对齐和专门的文本编码，这些都增加了合成过程的复杂性。继续TSS的启动，进入pod 输入命令。
基于OpenFOAM和深度学习驱动的流体力学计算与应用
2301_80236428的博客
11-14 857
从物理模型融合到复杂流动模拟，从数据驱动研究到流场智能分析，深度学习正以前所未有的力量重塑流体力学领域。伴随深度学习在流体力学研究中应用的普及，相关的开源软件和工具为科研人员提供了便捷的平台，简化了深度学习模型的实现与应用过程，加速了研究成果的转化。深度学习架构能够有效从流体数据中抽取关键特征，应用于流场预测、流动优化、流场可视化等多个领域，极大地提升了流体问题的分析效率和精度。构建物理增强的深度学习模型，将流体力学的控制方程、边界条件等物理规则内嵌于模型中，以提高模型的准确性和物理一致性。
AI 在软件开发
最新发布
shangzhiqi的博客
11-18 655
随着 AI 技术的不断发展，AI大模型正在重塑软件开发流程，从代码自动生成到智能测试，未来，AI 大模型将会对软件开发者、企业，以及整个产业链都产生深远的影响。欢迎与我们一起，从 AI 大模型的定义、应用场景、优势以及挑战等方面，探讨 AI 是如何重塑软件开发的各个环节以及带来的新的流程和模式变化，并展望未来的发展趋势~
文献阅读 | Nature Communications：使用自适应图注意自动编码器从空间解析的转录组学中解读空间域
weixin_45851732的博客
11-15 1338
文献介绍 文献题目： 使用自适应图注意自动编码器从空间解析的转录组学中解读空间域 研究团队： 张世华（中国科学院数学与系统科学研究院） 发表时间： 2022-04-01 发表期刊： Nature Communications 影响因子： 17.6（2022年） DOI： 10.1038/s41467-022-29439-6 摘要 空间分辨转录组学的最新进展使得能够全面测量基因表达模式，同时保留组织微环境的空间背景。破译组织中 spots 的空间背景需要仔细使用它们的空间信息。为此，作者开发了一个图注
pytorch基础-数据集导入
gudao07的博客
11-14 1188
pytorch的数据导入，包括dataset,tensorboard,transform,dataloder等
出海东南亚，3C电子如何以客户服务赢得市场
weixin_56254502的博客
11-13 520
随着全球贸易的日益活跃和东南亚地区经济的快速增长，3C电子产品出海东南亚已成为众多企业拓展国际市场的重要战略。东南亚地区人口众多，消费潜力巨大，且年轻人口占比高，对智能手机、平板电脑、耳机等3C电子产品的需求持续增长。同时，东南亚地区的电子消费者市场正逐渐成熟，消费者对产品品质、售后服务的要求也在不断提高。在此背景下，3C电子企业要想在东南亚市场立足，除了提供高品质的产品外，还需在客户服务方面下足功夫。通过优质的客户服务，企业不仅可以提升品牌形象，增强消费者信任，还可以有效促进销售增长，赢得市场份额。
AI 视频管理平台教你使用YOLO—WORLD进行实时开放词汇对象检测
tt120326的博客
11-18 384
YOLO-World模型引入了基于开放词汇检测任务的先进实时方法，同时采用了视觉语言建模和在大量数据集上进行预训练的方法，能够以无与伦比的效率在零样本场景中出色地识别大量物体。这项创新可根据描述性文本检测图像中的任何物体。YOLO-World可大幅降低计算要求，同时保持极具竞争力的性能，是众多视觉应用的多功能工具。
acl论文记录2021-2022
yyfhq的博客
11-16 285
Prefix-Tuning: Optimizing Continuous Prompts for Generation GPT-NeoX-20B: An Open-Source Autoregressive Language Model GLM: General Language Model Pretraining with Autoregressive Blank Infilling LayoutLMv2: Multi-modal Pre-training for Visually-Rich Docume
AI测试的主要研究方向介绍
daopuyun的博客
11-15 977
这个框架将支持对不同主题的基础测试数据集进行文本分词、图像标注、特征筛选等加工处理，为不同AI医疗产品提供定制化的测试数据，解决医学数据模块的通用性与特定测试数据集需求之间的冲突，确保测试数据集既具有足够的广泛性，覆盖多种医疗场景，又能满足特定AI医疗产品的测试需求，提高人工智能系统测试的针对性和可靠性。首先，基于模型的人工智能系统测试方法，通过构建可追踪、可测试的人工智能测试模型，将智能学习模型和数据模型融入其中，从而更好地评估训练数据和测试数据的质量。等需求，欢迎私信我，一起技术交流、探讨。
AI赋能电商：从个性化推荐到智能化运营
2301_81482480的博客
11-16 1054
个性化推荐系统是AI技术在电商中最常见的应用之一。通过分析用户的浏览历史、购买记录、搜索行为等数据，AI算法能够精准地预测用户的兴趣和需求，从而向用户推荐最符合其偏好的商品。这种个性化的推荐不仅能够提高用户的购买转化率，还能增强用户的黏性和满意度。案例分析：亚马逊的个性化推荐亚马逊是最早应用个性化推荐系统的电商平台之一。其推荐系统基于协同过滤、深度学习等多种算法，能够实时分析用户的购物行为，生成个性化的推荐列表。据统计，亚马逊的个性化推荐系统贡献了其销售额的35%以上。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

数智笔记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值