-
AIGC提示工程深度指南：技术、应用和未来趋势
AIGC提示工程深度指南：技术、应用和未来趋势 目录 提示工程简介 提示工程的演变 理解思维链提示 引出思维链推理的方法 提示工程的重要性 提示工程的学习机会 提示工程简介 提示工程是人工智能（AI），特别是自然语言处理（NLP）领域内的一个新兴领域。提示工程的关键在于将AI的任务描述嵌入到输入中，通常以问题的形式，而不是明确提供。这种技术将任务转化为基于提…
-
OpenAI & ChatGPT专有名词对照表
OpenAI & ChatGPT专有名词对照表 以下是一个常用于Azure OpenAI的专有名词对照表。在设置模型时，我们经常会遇到这些词汇。熟悉这些专有名词可以帮助我们更快地理解模型的运作原理，并使AI的回答更加符合我们的需求。 更加进阶的参数对照表可以参考官方的文件 Azure OpenAI 服务 REST API 参考。 英文 中文/全称 描…
-
什么是 tokens，ChatGPT里面的Tokens如何计数？
什么是 tokens，ChatGPT里面的Tokens如何计数？ 什么是 tokens？ Tokens 可以被认为是词语的片段。在 API 处理提示之前，输入会被分解成 tokens。这些 tokens 并不会精确地在单词的开始或结束处切分 – tokens 可以包含尾随的空格甚至子词。以下是一些帮助理解 tokens 长度的经验法则： 1 to…
-
ChatGPT是如何工作的？从GPT-1到ChatGPT的历程
ChatGPT是如何工作的？从GPT-1到ChatGPT的历程 AIGC，或人工智能生成的内容，是使用人工智能进行内容创建的一种方式，被认为是继PGC（专业生成的内容）和UGC（用户生成的内容）后的新型内容创建方式。AIGC在许多领域如文本、图像、音频/视频、软件开发等都发展迅速，近年来，有许多专注于AIGC的创作体验平台，用户可以输入一句话让AI合成与描述…
-
【AIGC培训系列：AI智能绘图——从入门到精通】Diffusion Models 101：模型场景
🏎 模型场景 让我们简单回顾一下。我们已经了解了什么是人工智能 (AI)，并且知道一些 AI 可以通过一段文本来生成图像。你提供一个提示，它们会给你一个图像。这些 AI 被称为扩散模型。 不过，目前最好的扩散模型是什么呢？ 🏇🏼 模型介绍 简而言之：目前最有名的三个模型是 DALL-E、Midjourney 和 Stable Diffusion。 每个模型都…
-
【AIGC培训系列：AI智能绘图——从入门到精通】Diffusion Models 101：AI 不能做的一些事情（至今）
很遗憾地告诉您，目前有些事情AI还无法做到。在某些任务中，即使您做得再好，结果仍然不甚理想。这并非您的过错——这项技术仍处于初级阶段。请将生成式AI视为一个五岁的孩子。 🤌 扩散模型的当前局限性 生成式AI目前还无法完成某些任务。 当您初次了解扩散模型的能力时，很容易被AI的热潮所吸引。然而，这些模型并非完美无缺，还存在技术上的局限性，导致某些事物尚无法实现…
-
【吴恩达-AIGC/ChatGPT提示工程课程】第八章 – 聊天机器人 Chatbot
使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人，只需要很少的工作量。在这一节中，我们将探索如何利用聊天格式（接口）与个性化或专门针对特定任务或行为的聊天机器人进行延伸对话。 启动 In [1]: import os import openai OPENAI_API_KEY = os.environ.get("OP…
-
【吴恩达-AIGC/ChatGPT提示工程课程】第七章 – 文本扩展 Expand
扩展是将短文本，例如一组说明或主题列表，输入到大型语言模型中，让模型生成更长的文本，例如基于某个主题的电子邮件或论文。这样做有一些很好的用途，例如将大型语言模型用作头脑风暴的伙伴。但这种做法也存在一些问题，例如某人可能会使用它来生成大量垃圾邮件。因此，当你使用大型语言模型的这些功能时，请仅以负责任的方式和有益于人们的方式使用它们。 在本章中，你将学会如何基于…
-
【吴恩达-AIGC/ChatGPT提示工程课程】第六章 – 文本转换 Transforming
1 引言 LLM非常擅长将输入转换成不同的格式，例如多语种文本翻译、拼写及语法纠正、语气调整、格式转换等。 本章节将介绍如何使用编程的方式，调用API接口来实现“文本转换”功能。 首先，我们需要OpenAI包，加载API密钥，定义getCompletion函数。 In [7]: import openai import os OPENAI_API_KEY =…
-
【吴恩达-AIGC/ChatGPT提示工程课程】第五章 – **推断 Inferring**
在这节课中，你将从产品评论和新闻文章中推断情感和主题。 这些任务可以看作是模型接收文本作为输入并执行某种分析的过程。这可能涉及提取标签、提取实体、理解文本情感等等。如果你想要从一段文本中提取正面或负面情感，在传统的机器学习工作流程中，需要收集标签数据集、训练模型、确定如何在云端部署模型并进行推断。这样做可能效果还不错，但是这个过程需要很多工作。而且对于每个任…
