淄博网站制作定制品牌,惠阳区建设局网站,温州瓯海区营销型网站建设,wordpress动画插件下载近年来#xff0c;人工智能技术火热发展#xff0c;尤其是OpenAI在2022年11月30日发布ChatGPT聊天机器人程序#xff0c;其使用了Transformer神经网络架构#xff08;GPT-3.5#xff09;#xff0c;能够基于在预训练阶段所见的模式、统计规律和知识来生成回答#xff0c…近年来人工智能技术火热发展尤其是OpenAI在2022年11月30日发布ChatGPT聊天机器人程序其使用了Transformer神经网络架构GPT-3.5能够基于在预训练阶段所见的模式、统计规律和知识来生成回答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以及完成复杂的NLP任务。基于此为更好地学习前沿AI知识了解LLM和AIGC应用实战本人在忙完博士学业后立刻开启了《LLMAIGC》专栏一方面作为在线笔记记录和分享自己的学习过程另一方面期望帮助更多初学者以及对LLM感兴趣的同学。您的关注、点赞和转发就是对秀璋最大的支持知识无价人有情希望我们都能在人生路上开心快乐、共同成长。
该系列主要涵盖三方面
原理篇——以原理介绍和论文阅读为主实战篇——以编程实现和构建自制ChatGPT为主应用篇——以应用实践和API、Prompt探索为主
第一篇文章主要是ChatGPT应用初试简单介绍什么是大语言模型LLM和人工智能生成内容AIGC利用中文ChatGPT实现英文论文润色并与传统英文润色和语法校对进行比较。基础性文章希望对您有所帮助且行且珍惜继续加油提前祝大家中秋节快乐。O(∩_∩)O 文章目录 一.什么是LLM和AIGC二.传统英文翻译方式1.英文翻译2.grammarly英文校对 三.中文ChatGPT小试牛刀1.文心一言2.讯飞星火3.其它4.New bing及ChatGPT推荐 四.中文ChatGPT润色尝试1.什么是Prompt2.论文润色Prompt3.润色示例 五.结束语 一.什么是LLM和AIGC
大语言模型Large Language ModelLLM 是指使用大量文本数据训练的深度学习模型可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务如文本分类、问答、对话等是通向人工智能的一条重要途径。下图是艾瑞咨询研究院绘制的大语言模型改变数字产业生态路线图非常好地展示了大语言模型相关的技术及应用。
参考及推荐文章https://36kr.com/p/2211610470512001 此外大语言模型已渗透至各行各业常见应用讴歌包括搜索引擎如bing、google、办公软件、对话式AI、智能问答、企业服务应用如客服、垂直领域如医学等。 生成式人工智能Artificial Intelligence Generated ContentAIGC 是指基于生成对抗网络、大型预训练模型等人工智能的技术方法通过已有数据的学习和识别以适当的泛化能力生成相关内容的技术。AIGC技术的核心思想是利用人工智能算法生成具有一定创意和质量的内容。通过训练模型和大量数据的学习AIGC可以根据输入的条件或指导生成与之相关的内容。 常见应用如下
文字类 ChatGPTAI聊天机器人可以通过自然语言与其对话。文字类 Jasper.aiAI写作助手可以自动为企业客户写广告、电子邮件、产品描述等。 图像类基于开源的stable diffusion模型2022年发布的深度学习文生图模型生成的AI图像如Civitai网站另外Midjourney的AI绘画产品效果也不错再如DALL·E绘画产品等包括一些国产生成图像网站。后续会分享如何生成自己的卡通头像。 – 推荐原理文章人工智能Ai画画——stable diffusion 原理和使用方法详解 - 陈老师 音乐类根据提示词和描述生成动听的音乐视频配音等如Mubert.com。视频类利用AI来创造和生成视频包括视频生成的具体流程常见的如物体追踪CV领域典型研究问题再比如通过文字描述来改变视频、人脸替换等。代表作“FaceForensics: Learning to Detect Manipulated Facial Images”提出四种主流的视频换脸技术并重点讲解视频质量清晰度对于伪造面部检测的影响包括 – 面部表情操纵Face2Face – 面部身份操纵DeepFakesFaceSwap NeuralTextures – 论文地址https://arxiv.org/abs/1901.08971 游戏类可以使用ChatGPT与NPC自由对话生成不同的游戏关卡。影视动漫类很多环节可以被AI替代比如剧本、特效、编剧等。教育媒体类知识获取和内容产出会更高效但行业也会受到一定影响。比如博客问答、博客撰写的影响就很大以后影响会更大后续也会带来版权、洗稿、内容泛滥等问题。
最后给出ChatGPT的发展历史及基本思路。下图展示RLHF的论文 TAMERTraining an Agent Manually via Evaluative Reinforcement 基本步骤
预训练一个语言模型收集对比数据并训练一个奖励模型利用强化学习微调语言模型
ChaptGPT会结合提示学习Prompt Learning实现通过问题、Prompts、数据集来生成回答整个过程通过Fine Tuning和Prompt Tuning实现对预训练模型的权重微调GPT3.5从而提升性能。 整个发展历程如下图所示推荐大家阅读“快乐小码农”的博客。
一文详解 ChatGPT背后的技术数据未来发展 温馨提示 本文主要以应用尝试为主更多原理知识随着作者后续学习深入再对其进行总结和归纳。该部分也仅简单描述相关问题。 二.传统英文翻译方式
假设存在一段系统安全方向需要翻译的文本如下所示 传统APT攻击检测主要通过构建规则利用安全人员逆向分析提取特征来实现同源分析及检测典型技术包括特征值检测技术、校验和检测技术、启发式检测技术和主动防御技术[8-9]。然而先前的方法过度依赖安全专家经验规则和知识库匹配较难准确识别APT攻击的行为其自动化和智能化程度较低并且在面对具有混淆、加壳、逃逸和欺骗技 术的恶意软件时会进一步降低检测的准确率。 1.英文翻译
常见的翻译软件包括Google、有道、bing、DeepL等整体效果各有优劣但准确度均存在一定误差。具体翻译如下
(1) 有道翻译 Traditional APT attack detection mainly realizes homology analysis and detection by constructing rules and using reverse analysis of security personnel to extract features. Typical technologies include eigenvalue detection technology, checksum detection technology, heuristic detection technology and active defense technology [8-9]. However, previous methods rely too much on the experience of security experts, rules and knowledge base matching is difficult to accurately identify APT attack behavior, its degree of automation and intelligence is low, and in the face of malware with confusion, shell, escape and deception techniques, will further reduce the detection accuracy. (2) Google翻译 Traditional APT attack detection mainly identifies malicious attacks or analyzes attack behaviors by constructing rules, or security personnel use reverse analysis to extract features. Typical detection techniques include characteristic value detection, checksum detection, heuristic detection and active defense technology [8-9]. However, previous methods rely too much on security expert experience, rules, and knowledge bases, making it difficult to accurately identify the behavior of APT attacks, and the degree of automation and intelligence of existing methods is low. Existing methods will further reduce the accuracy of detection in the face of malware with obfuscation, packing, evasion and deception techniques. (3) DeepL翻译
https://www.deepl.com/ 总结 由上图可知在翻译过程中某些专有名词、语序及表述均存在不准确的地方。 2.grammarly英文校对
接着我们利用Grammarly软件对英文进行校对。 修改后的内容如下图所示除了语法校正外也增加部分专业词汇。譬如
安全人员 - security analysts utilize先前方法的自动化和智能程度低 - lack … capabilities Traditional APT attack detection identifies malicious attacks or analyzes attack behaviors by constructing rules, or security analysts utilize reverse analysis to extract features. Typical detection techniques include characteristic value detection, checksum detection, heuristic detection, and active defense technology [8-9]. However, the previous methods rely too much on the experience of security experts, rules, and knowledge bases, making it difficult to accurately identify APT attacks’ behavior. In addition, the existing methods lack automatic and intelligent detection capabilities, and they further reduce detection accuracy when facing malware with obfuscation, packing, evasion, and deception techniques. 总结 尽管相比于翻译软件其描述取得一定改进。然而整个描述仍然存在一些问题比如“特征值检测技术、校验和检测技术、启发式检测技术”可以修改为“signature-based detection, checksum-based detection, heuristic detection”再比如英文通常会说“However, these traditional methods have some limitations…”甚至是“state-of-the-art”来表现现有先进方法。
中文一定要按照英文的表达方式进行重新整理专业名词一定要翻译准确大家写论文更建议学习顶会顶刊论文按照英文的习惯逐句进行撰写而不是翻译 三.中文ChatGPT小试牛刀
在利用ChatGPT进行润色之前我们先介绍中文ChatGPT的常用方法。以最近非常火的网图为例中文ChatGPT主要应用如下 1.文心一言
来源百度官方网址
https://yiyan.baidu.com/ 其运行的主界面如下图所示 (1) 首先我们对其进行简单提问。
请问什么是恶意代码分析 2对其进行编程提问。
请给出一段Python语言的代码实现对[9, 5, 2, 6, 1, 4]的快速排序。 生成代码如下
def quick_sort(arr): if len(arr) 1: return arr else: pivot arr[len(arr) // 2] left [x for x in arr if x pivot] middle [x for x in arr if x pivot] right [x for x in arr if x pivot] return quick_sort(left) middle quick_sort(right) numbers [9, 5, 2, 6, 1, 4]
sorted_numbers quick_sort(numbers)
print(sorted_numbers)3接下来给出一个更为复杂的问题。
本人是一个简体中文windows10的用户现需要一个bat格式的批量重命名脚本我希望以如下格式来命名: 项目名称-创建日期-文件编号其中创建日期只要月和日就好不要年份文件编号只需两位数编号如01或15。这个脚本我希望可以直接双击打开运行打开之后先让我输入文件夹路径我输入之后回车再问我项目名称然后我输入完回车就帮我执行重命名操作并自动退出脚本。 生成的代码如下
echo off
setlocal set /p folder_path请输入文件夹路径:
set /p project_name请输入项目名称: set counter0
for %%F in (%folder_path%*) do ( set /a counter1 set file_name%%~nxF set extension%%~xF set new_file_name%project_name%-%%~tF-!counter:~-2!!extension! ren %%F !new_file_name!
) echo 重命名完成。
pause文心全景框架如下图所示 此外读者还可以尝试插件开发。 总结 文心一言尽管能实现一定程度的智能问答但也存在一些问题。比如“反向工程”应修改为更加准确的“逆向工程”再如恶意代码分析的这几个步骤不能简单的罗列其描述也存在不准确的问题动态分析和静态分析可归为一类。在代码方面效果还不错能够生成直接运行的快速排序代码但仍然存在需要提升的地方比如复杂逻辑的代码。 2.讯飞星火
来源科大讯飞官方网址
https://xinghuo.xfyun.cn/ 其运行的主界面如下图所示 1首先我们对其进行简单提问。
请问什么是恶意代码分析 2对其进行编程提问。
请给出一段Python语言的代码实现对[9, 5, 2, 6, 1, 4]的快速排序。 3接下来给出一个更为复杂的问题及输出结果。 总结 讯飞回答相对简洁同样能实现各种功能。比如在论文润色方面文心一言润色后相对啰嗦而讯飞回答会直接给出答案当然前者会告诉你为什么这样适用于初学者理解后者更方便解决实际问题见人见面。 3.其它
还有其它的中文应用除了大公司还有一些小团队或个人的尝试。比如
https://chatgpt.611ai.com/ 4.New bing及ChatGPT推荐
当然还有两个非常重要的应用推荐即——New bing和ChatGPT。 读者在使用过程中会遇到部分问题需要学会独立解决喔。 四.中文ChatGPT润色尝试
最后我们将尝试利用中文ChatGPT对前面的句子进行润色。
1.什么是Prompt
有人说Prompt提示词是AI 2.0时代打开大模型能力的金钥匙它能够大大的提高现有工作的小珞在百度内部沟通会中李彦宏预测“十年后全世界所有工作当中50%的内容恐怕都是写Prompt”。随后衍生出提示学习Prompt Learning。
什么是Prompt提示。类似于搜索引擎根据输入就可以给出对应的提示利用提示让人想起具体的事情。提示学习将这种模式植入到大语言模型训练中类似于激发人类一样来激发大语言模型的学习能力。
Prompt类似于给预训练模型一个提示或线索更好地理解人类的问题帮助模型实现AI生成式应用 下图是浙大许文豪老师非常棒地解释了什么是Prompt。如果把大语言模型具象成一个员工那Prompt提示词则好比是你给员工下的指令给出指令越详细员工执行的结果就越好。
参考和推荐资料https://www.bilibili.com/video/BV1Rj41117gG Prompt作为一种用于与人工智能模型进行交互的文本输入方式它可以帮助用户更容易地与模型进行对话、提问或请求特定的信息。典型的应用场景如下 常见的提示词框架如下 2.论文润色Prompt
在英文润色中常见的Prompt如下后续会长期更新参考Google和知乎见后。
I need you to act as a professional English paper teacher, please help me to improve my expression in the style of academic writing. Here is my expression:Please continue to help me to improve my expression in the style of the journal Nature.Please keep assisting me in improving my expression to the highest AJE service standards.Paraphrase the text using more academic and scientific language. Use a neutral tone and avoid repetitions of words and phrases. 3.润色示例 I need you to act as a professional English paper teacher, please help me to improve my expression in the style of academic writing. Here is my expression: Traditional APT attack detection identifies malicious attacks or analyzes attack behaviors by constructing rules, or security analysts utilize reverse analysis to extract features. Typical detection techniques include characteristic value detection, checksum detection, heuristic detection, and active defense technology [8-9]. However, the previous methods rely too much on the experience of security experts, rules, and knowledge bases, making it difficult to accurately identify APT attacks’ behavior. In addition, the existing methods lack automatic and intelligent detection capabilities, and they further reduce detection accuracy when facing malware with obfuscation, packing, evasion, and deception techniques. 文心一言润色如下 Traditional methods for detecting APT (Advanced Persistent Threat) attacks involve the use of rules-based systems or security analysts who reverse engineer the malicious software to extract features. Common techniques include signature-based detection, checksum-based detection, heuristic detection, and proactive defense measures [8-9]. However, these traditional methods have significant limitations, as they rely heavily on the experience of security experts, rules-based knowledge bases, and manual analysis processes. They often struggle to accurately identify the behavior of advanced persistent threats, particularly when facing advanced obfuscation, packing, evasion, and deception techniques used by attackers. 讯飞星火润色如下 Traditional Automatic Patching (APT) attack detection relies on constructing rules or employing reverse analysis to identify malicious attacks and analyze their behavior. Common detection techniques include characteristic value detection, checksum detection, heuristic detection, and active defense technology [8-9]. However, these methods heavily rely on the experiences of security experts, rules, and knowledge bases, making it challenging to accurately recognize APT attacks’ patterns. Furthermore, these existing approaches lack automatic and intelligent detection capabilities, which can further decrease detection accuracy when confronted with malware employing obfuscation, packing, evasion, and deception techniques. 星河超算ChatGPT润色如下 Traditional APT attack detection aims to identify malicious attacks and analyze attack behaviors through the construction of rules or the utilization of reverse analysis by security analysts. Commonly used detection techniques involve characteristic value detection, checksum detection, heuristic detection, and active defense technology [8-9]. However, these conventional methods heavily rely on the expertise of security professionals, predefined rules, and knowledge bases, thus posing challenges in accurately identifying the behavior of APT attacks. Moreover, existing approaches lack automatic and intelligent detection capabilities, which further compromises their effectiveness in detecting malware with obfuscation, packing, evasion, and deception techniques. 五.结束语
总结 上述润色有一定提升但还是存在不准确的地方建议大家在撰写英文论文时还是以自身为主多阅读顶会顶刊论文学习别人更地道的句子和专有名词。此外撰写的时候就采用英文语气会更佳按照每个段落来描述会更好。他山之石可以攻玉ChatGPT尽管给大家带了众多便利但仍然存在很多问题如版权、安全等切勿直接用ChatGPT来撰写论文、作业、文稿等知识产权还需要大家共同维护并且学术问题也是底线问题。
写到这里文章就结束了。本文主要带领大家了解什么是LLM、AIGC和ChatGPT并熟悉中文ChatGPT的应用简单用论文润色进行对比。基础性文章希望对您有所帮助。后续作者会继续深入分享更多LLM和AIGC内容加油共勉
一.什么是LLM和AIGC二.传统英文翻译方式 1.英文翻译 2.grammarly英文校对三.中文ChatGPT小试牛刀 1.文心一言 2.讯飞星火 3.其它 4.New bing及ChatGPT推荐四.中文ChatGPT润色尝试 1.什么是Prompt 2.论文润色Prompt 3.润色示例五.总结 祝天下所有教师节日快乐三尺讲台三寸笔从小受到很多老师的教诲和解惑师恩难忘唯有感恩。祝长辈和老师们节日快乐阖家幸福身体健康桃李满天。 回想自己2014年站在支教的讲台前到2016年成为大学教师开启暑假实训再到网上博客授课和答疑以及完成自己的一门门课程这已经是自己的第10个教师节。站在讲台前的那一刻真的好想把自己所学所感分享出去。那些年我刚成为老师和老于成立了V创联盟我俩自愿教60多名学生写代码三年下班后、周末许许多多贵财凌晨三点都有我们的身影办公室深夜更是灯火通明熬夜训练分组比赛无数个日夜陪伴着学生编程真想一头扎进家乡贵州的教育。很遗憾后来两人读博V创联盟解散随着年龄增长激情淡出但也很幸运那些年培养的学生出来都找到了很好的工作拥有很棒的编程经历更是留下深厚的友谊。这两周还接到之前学生成为贵州这边某单位编程负责人也有放弃稳定的事业单位选择去高校当老师的故事以及正在读博未来争取成为老师的期盼。回首自己给14级到18级五个年级的学生上过课有二十多人成为了教师分散在贵州小学、中学、高职、大学的经历我们亦师亦友还挺开心的。这些年出来读博更多是线上分享和博客分享期待重回讲台的那一天希望自己能记住当老师的那份美丽记住你们脸上洋溢的笑容。不忘初心知行合一止于至善砥砺前行。当教师最美的经历永远是和女神一起站在讲台前的那天我来分享编程你课间为我大四学生分享考公的经验。哈哈都是青春都是记忆无悔加油 (By:Eastmount 2023-09-18 夜于贵阳 http://blog.csdn.net/eastmount/ ) 参考文献如下感谢各位老师和大佬也推荐大家阅读。
[1] 百度百科. ChatGPT. https://baike.baidu.com/item/ChatGPT/62446358[2] 百度百科. 大语言模型. https://baike.baidu.com/item/大语言模型/62884793[3] 艾瑞咨询. ChatGPT浪潮下看中国大语言模型产业发展. https://36kr.com/p/2211610470512001[4] 百度百科. AIGC. https://baike.baidu.com/item/AIGC[5] B站 Liam的冒险. AIGC是什么风口还是泡沫普通人如何把握机会. https://www.bilibili.com/video/BV1db411f7HC[6] 知乎. 人工智能Ai画画——stable diffusion 原理和使用方法详解. https://zhuanlan.zhihu.com/p/610094594[7] Andreas Rössler, et al. FaceForensics: Learning to Detect Manipulated Facial Images. https://arxiv.org/abs/1901.08971[8] B站 二次元的Datawhale. 【Prompt大赛专题分享】 Prompt工程师养成记——从小白到大神. https://www.bilibili.com/video/BV1Rj41117gG[9] 知乎. ChatGPT最实用的提示Prompts写法有哪些. https://www.zhihu.com/question/584402332[10] 知乎. ChatGPT 在论文润色方面可以有哪些应用. https://www.zhihu.com/question/582506176
