网站开发量,软件开发培训出来好找工作吗,品牌建设成效,开发移动网站核心知识点脑图如下#xff1a; 1、第一讲#xff1a;课程介绍 要点1#xff1a; 上图展示了两种大型语言模型#xff08;LLMs#xff09;的对比#xff1a;基础语言模型#xff08;Base LLM#xff09;和指令调整语言模型#xff08;Instruction Tuned LLM#xff0… 核心知识点脑图如下 1、第一讲课程介绍 要点1 上图展示了两种大型语言模型LLMs的对比基础语言模型Base LLM和指令调整语言模型Instruction Tuned LLM。 基础语言模型Base LLM 功能基础语言模型能够预测下一个单词这种预测是基于文本训练数据。 例子图中提供了一个故事的开头“Once upon a time, there was a unicorn that lived in a magical forest with all her unicorn friends中文释义从前有一只独角兽和她所有的独角兽朋友住在魔法森林里”这展示了模型如何根据给定的文本继续生成故事。问答能力它能够回答基础的问题例如“法国的首都是什么”但它可能会产生问题文本如有害输出这些输出与基础语言模型的性质有关因为它们仅基于预测下一个最可能的单词而不是遵循特定的指令。 指令调整语言模型Instruction Tuned LLM 功能这种模型试图遵循指令它通过在指令上进行微调fine-tuning周鸿祎大佬经常讲并在尝试遵循这些指令时进行优化。微调方法使用RLHFReinforcement Learning with Human Feedback中文释义人类反馈强化学习进行微调即结合强化学习和人类反馈。 三H原则帮助Helpful、诚实Honest、无害Harmless。 例子当问到“法国的首都是什么”时指令调整的模型会更准确地回答“法国的首都是巴黎”。 总结来说图中的主要区别在于基础模型侧重于文本数据的下一个词预测而指令调整模型则侧重于理解和遵循指令提供更准确、更有用、更安全的输出。 2、第二讲使用准则 要点1好提示词的第一个原则——写出清晰且准确的提示 指令必须清晰的三个核心原因 核心一——避免歧义清晰的指令让机器没有猜测的空间可以直接执行。 核心二——提高效率清晰的指令可以让机器快速理解并采取行动节约时间。 核心三——确保结果准确指令清晰可以确保机器提供的结果是我们所期待的。 要点2好提示词的第一个原则——给大模型思考的时间 要点2所说的“给大模型思考的时间”其实是在指导我们如何更高效地与大型语言模型如我进行交互。 下面是三个核心要点的解读 1等待模型回应 模型需要时间处理你的请求和生成回答就像你向朋友提问后要等待他们思考并回答一样。 2避免打断 在模型回答之前不要急于提出新问题这就像不打断别人说话给对方完成表达的机会。 这个一般模型也不允许。 3逐步提问 如果有复杂的问题可以分步骤提问让模型逐一解决就像解难题一样一步一个脚印来解答。 这是最核心的大问题务必精准拆解成小问题且根据回复逐步调优。 3、第三讲提示词不是一步到位的而通过反复迭代逐步完善的。 吴恩达老师“这幅图展示了一个名为“迭代式提示开发”的循环流程图它代表一个反馈循环用于改进和完善提示可能是编程、数据输入或任何需要精确指示的场合的质量。流程由四个主要部分组成 1、Idea想法: 这是流程的开始阶段你需要有一个初始想法或设计这将成为你的起始点。 2、Implementation (code/data) Prompt实现代码/数据提示: 根据想法你会创建一个初步的提示如果是编程领域可能是编写代码或准备数据输入。 3、Experimental result实验结果: 使用你的提示进行实验后你将获得某些结果这些结果可能会或不会符合你的预期。 4、Error Analysis错误分析: 如果结果不符合预期你需要进行错误分析查找为什么会出现这样的结果可能是提示不够清晰、具体或存在逻辑错误。 这个过程是迭代的意味着你会不断重复这个循环每一次都根据之前的反馈来调整和改进你的提示直到实验结果符合你的预期。 图下方的“Prompt guidelines”列出了优化提示时应遵循的指导原则 1、Be clear and specific要清晰和具体: 提示需要有足够的详细信息避免歧义——这点反复强调过了。 2、Analyze why result does not give desired output分析为什么结果不符合预期输出: 当结果不如意时深入分析原因模型会分析咱们也不要坐等要结合经验进行分析理解导致结果偏差的因素。 3、Refine the idea and the prompt改进想法和提示: 根据分析结果调整你的想法和提示。 4、Repeat重复: 不断重复这一过程反复迭代每次都尝试提高提示的有效性。 这个流程是设计思维和敏捷开发的典型强调持续改进和适应性。 4、第四讲最兴奋的功能——文本总结 为大段文本形成摘要以便我们快速的获取信息。 新版GPT4最多能让用户输入3万2千token大概50页英文文字长度网上说法大约25000字。 5、第五讲模型推理 省去了早期开发需要自己训练模型的工作现在一个API搞定 6、第六讲格式转化 Transforming Html 转 JSON等各种转换原来咱们用复杂的正则现在大模型API快速搞定。校对写的所有内容论文、评论、文稿等。支持各种语言的翻译GPT4 的图片转文本文本转图片功能也非常强大。 7、第7讲文本扩写 Chatgpt可以作为头脑风暴的伙伴基于我们的提示词展开文本扩写。建议负责任的使用比如不要生成垃圾邮件。可用于文档助理比如邮件助理。 8、第8讲自定义聊天机器人 用途举例 AI 客服助理餐厅AI接单员 等等...... 注意角色的设定很重要。 9、小结 9.1 写出好的提示词的两个核心要点 1、写出清晰和具体指令的重要性2、给予模型足够的时间来“思考”。 9.2 迭代式提示开发 这是一种通过不断优化和细化提示来改进模型响应的方法。 9.3 模型的几项能力 总结推断转换扩展信息。 这些能力在构建聊天机器人时尤为重要它们使得机器人能够处理各种任务从理解和回应用户输入到生成新的内容。 模型非常有趣可以放心去玩——咱们就是得多用才能知道怎么更好得使用用 10、中英文字母视频地址 https://www.bilibili.com/video/BV1s24y1F7eq
