Perceived Value

May 20, 2023 | blog.csdn.net | Perceived Value

这是我写的ChatGPT Prompt Engineerin的第二篇博客，如何还没看过第一篇的请先看我写的第一篇博客： ChatGPT Prompt Engineerin(一) 今天我们的重点关注按特定主题来总结文本。 设置参数 import openai openai.api_key ='YOUR_OPENAI_API_KEY' def get_completion(prompt, model="gpt-3.5-turbo"): messages = [{"role": "user", "content": prompt}] response = openai.ChatCompletion.create( model=model, messages=messages, temperature=0, ) return response.choices[0].message["content"] 文本总结...

May 5, 2023 | zhuanlan.zhihu.com | Import Openai |Perceived Value |siblings Jack |Jill go

这是一篇关于吴恩达与 OpenAI 最新推出的提示工程课程的笔记。视频总长度仅占 1 h 左右，限时免费，内容对新手极其友好。 1 介绍 课程大纲 1 介绍 2 指引 3 使用迭代开发策略改进你的提示语 4 文本摘要 5 推断任务 6 文本转换 7 扩展文本 8 创建聊天机器人 9 总结 基础大语言模型（Base LLM） 与指令微调大语言模型 (Instruction Tuned LLM） 的区别 常见大语言模型 (LLM) 大致可以分为两类：基础大语言模型与指令微调大语言模型。 基础大语言模型能够通过在互联网大量数据上的训练能够预测句子最可能出现的下一个单词是什么，进而能通过不断预测单词续写一段话。例如 2019 年 2 月提出的 GPT-2 就是当时流行的一种基础大语言模型。 指令微调大语言模型则取自较新的技术，一般在基础大语言模型能够预测一段话下一个单词的基础上进一步用指令和人类反馈强化学习（RLHF）去微调，使模型学到执行指令的能力。如今我们常用的 ChatGPT （GPT 3.5）就是指令微调大语言模型的一种。...

May 5, 2023 | blog.csdn.net | siblings Jack |Jill go |Perceived Value |JOhn Smith |John Smith

0.