文章目录
- 介绍
- 激励设计Prompt Design
- 故障调整Troubleshooting
- 分类Classification
- 提高分类器的效率
- 生成
- 对话
- 内容转化
- 翻译
- 转化
- 总结
- 实际问答
- 插入文本
- 编辑模式
介绍
-
ChatGPT功能很强大，它可以根据你给出的模板和文本进行文本补全，最好的探索方式就是使用我们给出的Playground进行探索。
- 链接
- 你需要注册ChatGPT账号，如有意可以私信我
-
输入如下，红框我输入的，篮筐是他回复的
-
这就是一个很简单的样例，通过调用这个接口，你提供一些指令，模型可以很好地帮你解决，那么关键的问题就是如何给模型一个比较好的激励prompt，最明智的做法就是你假设再给一个中学生说明问题，你要说明清楚情况并且交代具体的信息。下面将会怎么构造文章补全给出一些建议和指导
-
如果你对这个东西不是很明白，可以看看上篇文章，了解什么是prompt，具体链接。
激励设计Prompt Design
- 我们的模型能干很多事，可以给你写故事，也可以给你进行文章分析，正是因为此，所以你不得不清楚地描述你想要的东西，给出足够的条件和信息，就是写出优秀的prompt的秘诀。
- 这里有三个基准，能够帮助你创建对应的激励
- 展示和告知： 你要通过指令告知模型你要干什么，并且通过样例展示给模型看，你要这种效果。如果你想要模型将一些列单词按照字母顺序进行排序，或者按照感情将段落进行分类，就要具体说明。
- 提供高质量数据：如果你要你的模型创建一个分类器，或者希望你的模型按照某个套路进行运作，那么你就需要确保有足够的样例。虽然模型很聪明，能够识别出你的拼写错误，但是他有可能会认为你是故意那么说的，会对结果造成影响，所以你需要确保你的数据是矫正过的。
- 检查设置：主要有两个参数，分别是temperature和top_p，这两个参数是控制模型返回的答案是否是唯一确定的。如果你需要得到的答案是唯一的，你就需要将参数设置的高点。如果你需要得到多样性的答案，你就把这两个参数设置的低点。不要将这两个参数理解为“聪明程度“和”创造力“。
故障调整Troubleshooting
- 如果你调用的API并不能按照你的要求进行运行，你需要检查以下几项
- 你清不清楚你心中想要的生成结果是什么样的。
- 给的例子足够多吗
- 你的例子都检查过了吗？有没有问题。
- 你的temperature和top_p参数设定是否正确
分类Classification
- 为了建造一个文本分类器，我们给了一些任务描述和样例，在这个样例中，给你展示一下如果对Tweet的情感进行分类。
- 下面提供的样例是对Tweet的情感进行判定，判断他说的话是积极的，消极的还是中立的
- 例子很简单，你需要注意这个例子中的几个特征
- 使用直白的语言描述你的输入和输出：在上面那个例子中，我们使用了直白的语言描述了Tweet的输入和我们希望的输出“情感”。所以说，最好的方法就是让你的语言更能具有描述性，你可以使用缩写或者关键字去描述你需要的输入和输出，搞完了之后回头检查一下，去掉一些多余的废话，看看和你的意图是否明显。
- 告诉API你想让它怎么会回复：在这个样例中，我们列举出了三个标签，分别是中性，积极和消极，让模型自己选，其中中性是很重要的，因为狠多时候人并不知道他的感情是积极的还是消极的。
- 对于熟悉的任务使用尽可能少的样例：这个样例比较通俗直白，我就没有给出样例。如果你要做的东西很复杂，就需要说明一下样例了。
提高分类器的效率
- 现在就如何创建出更加有效的分类器，给一个样例，为了使这个分类器更加有效，这个使用一个API调用实现多个返回结果。
- 上述例子就列出了五个问句的结果，对于这种列表式的回答，你需要注意概率的设置，以避免出现偏移，总的来说，你需要注意以下两个准则
- 多跑几次，确定你设置的概率是有效的
- 不要依次输入罗列的太长，因为API有可能会偏移
生成
- 这个API能完成的最简单但是最强大的功能就是，他能帮你提出一些新的想法，你还可以让他帮你生成故事、商业计划、特征描述和商业标语。在这个样例中，我们将使用API就VR在减肥新应用提出一些想法。
- 如果你想让结果更加准确，你可以增加一些别的描述。
对话
- API甚至可以用来和人进行对话或者进行自我对话。只需要一些指令，我们就可让API当作一个客服机器人，成熟稳重地回答你的问题。问题的关键是告诉API以如何的方式回答你的问题。
- 下面给出一个具体的样例
- 这就是一个服务机器人的典型案例，虽然很简单，有几件事你需要注意
- 我们告诉了API你的意图同时也告诉它如何进行回复：就像其他的激励一样，我们提示API样例表示的是什么，但是我们也增加了另外一个关键细节：我们给出了清晰的指令，告诉API如何进行沟通，“这个助手是有帮助性的、创造性、聪明的和十分有好的”，如果没有这个指令，机器人可能 会发生偏移，甚至会模仿一些你不想看见的行为。
- 我们给API一个身份：一开始，我们就将API作为一个AI助手，虽然API没有内在的身份，但这有助于它以一种尽可能接近真相的方式进行响应。您可以以其他方式使用身份来创建其他类型的聊天机器人。如果你告诉API作为一个作为生物学研究科学家的女性来回应，你会从API中得到有智慧和深思熟虑的评论，类似于你对有这个背景的人的期望。
内容转化
- ChatGPT模型是一个语言模型，所以他可以使用不同的方式进行表达，它可以帮你把自然语言转成代码，或者将别的语言转成应英文等其他语言。除此之外，还能在一定层次上理解内容，并进行总结，以不同的风格进行转述。
翻译
- 翻译很常见，你直接和他说翻译成什么语言，只要他有可以很快地进行翻译。
转化
- 这个功能挺有意思的，可以模仿用户教他的方式将文本进行转变，比如这里就是将电影名字转成颜文字。
总结
- API能够以不同的方式抓住文本的上文或者转述。下面给出一个样例：对下述段落进行总结人，然后使得一个两岁的小孩也能够理解。
实际问答
- APi很牛逼，知识储备很丰富，可以回答你大部分问题，但是不排除他会对于自己压根不知道的问题，随便编一些很真的答案，来糊弄你，为了改变这种情况，你需要设置概率，或者预先给他设定好是对应模式就行了。
插入文本
- 一般来说插入文本都是使用前缀，但是针对我们的模型，你也可以通过提供后缀激励，在文本中插入文本。这种需要是很自然而然的，尤其是当你写长文本，段落与段落之间的转换，扩写大纲或者指导模型到结尾的时候。这也可以用于写代码，在代码中插入文件路径或者函数。具体请参见代码指南。
- 为了说明后缀上下文对我们的预测能力有多重要，请考虑一下提示，“今天我决定做出一个大的改变。”人们有很多方法可以想象如何完成这个句子。但如果我们现在提供故事的结尾：“我的新头发得到了很多赞美！”，预期的完成变得清晰。
- 通过为模型提供额外的上下文，它可以更易于操纵。然而，这对模型来说是一个更受约束和更具挑战性的任务。
- 上述为插入模式的操作平台
编辑模式
- 编辑端可以用来编辑文章，不仅仅是补全，你提供一些文本，并且一些指令告诉计算机如何修改修改它，然后相应的text-davinci-edit-001将会按照你的要求进行编辑。你可以用它来调整文本，翻译和编辑。对于重构和写代码这很重要。
本文链接：https://my.lmcjl.com/post/8896.html
展开阅读全文
4 评论