-
下载1个资源隐藏限制等级如何将复杂任务拆分成子任务12节
当我们向大模型问一个很复杂的问题，那么大模型需要同时考虑问题中的多个方面，这可能导致大模型难以捕捉到问题的所有细节，从而影响答案的准确性。 但是，如果我们将复杂问题分解为几个简单的子问题，然后逐一向模型提问，每个子问题都相对简单明了，这样模型就能更容易地理解和处理。 策略一：使用意图分类来识别用户查询最相关的指令 适用人群：新手 难度：⭐️⭐️ 解读 简单来说，就是先理解用户的真实需求，然后根据这…- 0
- 0
- 670
-
下载1个资源隐藏限制等级
快速掌握指定模型根据参考文本回答问题11节
当在与大模型对话时涉及某些特定的问题、引用网址时，大模型提供的答案未必完全准确，它只是基于预训练的知识库中找到相关的答案进行回复，而通过提供参考文本，用户可以获得相对准确的答案。 具体官方策略如下： 1、指定模型根据用户提供的参考文本回答问题。 2、指定模型根据参考文本回答，并体现具体引用的原文内容。 策略一：指定模型根据参考文本回答问题 适用人群：新手 难度：⭐️ 如果我们能够为模型提供与当前查…- 0
- 0
- 652
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令|指定输出长度10节
策略六：指定所需的输出长度 适用人群：新手 难度：🌟 您可以要求模型生成指定长度的输出。目标输出长度可以根据词数、句子数、段落数、项目符号数等来指定。 但请注意，指示模型生成特定数量的单词并不具有高精确度。模型更可靠地生成具有特定段落或要点数量的输出。 解读 用户在提问时, 要求输出指定字符数量, 而大模型在响应内容时, 输出的字符数量不会严格遵守。 通过指定几段话, 或者指定几个要点来输出内容，…- 0
- 0
- 475
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令|提供样例09节
策略五：提供样例 适用人群：新手 难度：🌟 提供适用于所有样例的一般说明，比通过示例演示任务的排列更高效，但在某些情况下，提供样例可能更容易。例如，你打算让模型复制一种难以明确描述的响应风格。这被称为 "few-shot" 提示。 不理解，没关系，看下方的解读。 解读 提供样例，即 少样本（few-shot）提示，可以帮助我们得到格式更加稳定的内容，而不是让大模型随意发挥。 当…- 0
- 0
- 442
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令-使用分隔符区分独立的内容07节
策略三：使用分隔符区分独立的内容 适用人群：新手 难度：🌟 使用像三重引号、XML标记、标题等分隔符，可以帮助标识需要以不同方式处理的文本。 对于简单任务，使用分隔符可能不会对输出质量产生影响。然而，任务越复杂，将任务细节澄清变得越重要。不要让 GPT 努力理解您究竟在要求什么。 解读 想象一下，如果我们正在组装一个相对复杂的乐高，但所有的零件都混在一起，没有任何标签或说明书。这可能会让组装过程变…- 0
- 0
- 419
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令-指定任务所需步骤08节
策略四：指定完成任务所需的步骤 适用人群：新手 难度：🌟 某些任务最好指定为一系列步骤。明确写出这些步骤可以让模型更容易遵循。 解读 大模型通过学习大量的数据，掌握了如何回答问题、解决问题的能力。虽然大模型很强大，但是面对一些复杂的任务，尤其是数学推理时，如果不说明具体步骤，可能会出错。 当你向大模型提出一个复杂的任务时，如果你能够把这个任务分解成一系列更具体、更清晰的步骤，这样做有几个好处： 清…- 0
- 0
- 422
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令 - 要求模型采用角色扮演06节
策略二：要求模型扮演角色 适用人群：新手 难度：⭐️ 指定模型在回复中扮演的角色。 解读 当我们指定一个角色，这样，模型的回答将会根据所采纳的角色特性来进行，使得回答更具特色和针对性。那么输出的质量也会随之提升。 这样做的原因有几个： 1、更明确的方向 ：告诉AI扮演一个特定的角色，就好比是给它一个明确的工作指南。比如，如果你让 AI 扮演一个历史老师，它就会从一个教育和历史的角度来回答问题，而不…- 0
- 0
- 428
-
下载1个资源隐藏限制等级
快速掌握编写清晰的指令-提供细节和背景05节
关于提示词最基本的使用技巧， ChatGPT 官方提供了 提示词的最佳实践，其中提及多项策略，从而帮助用户更好地利用提示词与大模型交互。 本章开始，我们将开始解读官方提供的 最佳实践 - 编写清晰的指令 的几项策略，并结合具体场景来说明怎么样写出 意图清晰 的提示词。 策略一：提问中包含细节和背景以获得相关的回答 适用人群：新手 难度：⭐️ 为了获得高度相关的回复，请确保请求提供任何重要的细节或上…- 0
- 0
- 448
-
在 ChatGPT 中什么是温度值|基础概念04节
在 ChatGPT 中，temperature（温度值）是一个重要的参数, 通过 API 调用方式设置。我们可以将它比喻为调节 AI 创造性的 “温度控制器”。 「温度值」是一个大于0的数值，在 0 到 2 之间，它影响模型生成文本时采样预测词汇的概率分布。 当模型的「温度值」较高时（如 1.8、1.9 或更高），模型就像一个愿意冒险的人。 他会更倾向于从较多样且不同的词汇中选择，这使得生成的文本…- 0
- 0
- 401
-
你是否还不清楚在大模型中什么是 Token |基础概念03节
什么是 Token ？ 在大模型中，Token 是一个基本但重要的概念。它是文本处理中的最小单位，比如单词、数字、符号或者汉字。你可以把 Token 想象成是单词、数字、标点符号或者其他语言元素，也可以理解为搭建成建筑（句子）的一个个积木（Token）。 在英语中，一个 Token 可能是一个单词，比如 “apple”，或者一个标点符号，比如句号 “.”。但在其他语言中，比如中文，一个 Token…- 0
- 0
- 433
-
大模型是如何做到词语接龙？|基础概念02节
我们都知道 ChatGPT 是 AIGC 工具，即生成式人工智能。大家有没有想过这些问题 ： 我们输入一段话，就可以看见它 噼里啪啦的一顿输出，那么它的原理到底是什么？ 到底它是怎么锁定这些文字，然后把相应的答案输出给我们的？ 当我第一次面对这些问题时，我最开始并没有多想，就觉得它很牛就对了 ！ 带着这些疑问，我们一起开始本章节的内容。通过这次学习，我们基本上可以了解到以下几点： ChatGPT是…- 0
- 0
- 675
-
在利用AI写作之前先来了解下什么是提示词工程？|基础概念01节
百度创始人 李彦宏 在2023中关村论坛上发表了《大模型将改变世界》的主题演讲，里面提到过 “10年后，全世界有50%的工作会是提示词工程”。 美国求职网站 Indeed 上，AI 初创公司 Anthropic 招聘提示词工程师（Prompt Engineer），薪资高达 17.5-33.5 万美元/年。随着 ChatGPT 爆红整个互联网，提示词工程 (Prompt Engineering) 这…- 0
- 0
- 440
扫码打开当前页
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×