Passa al contenuto principale

Modello di grandi dimensioni

Base e concetto

Pronto​

Traduzione cinese: parole tempestive

Istruzioni per una macchina, simile a un linguaggio di programmazione.

Token​

Da determinare

LLM​

Traduzione cinese: Grande modello

Essence: una serie di algoritmi, simili a una funzione.

Modelli comuni​

  • OpenAI: GPT - 3.5 / GPT - 4 / GPT - 4V / DALL.EWhisper
  • Meta: LLama2 (open source)

Modello GPT​

Le allucinazioni di LLM.​

Poiché la quantità di conoscenze affrontate dal modello nel processo di formazione è molto grande, non può ricordare tutte le informazioni che ha visto perfettamente. Un problema evidente è che il modello non conosce il proprio confine di conoscenza.

Ciò significa che i modelli possono inventare risposte che suonano credibili, ma non sono in realtà corrette quando rispondono a argomenti oscuri, che chiamiamo "allucinazioni".

Per esempio, il seguente esempio, quando chiediamo:

Parlami dello spazzolino intelligente Aeroglide Ultra Slim di Boy

Tra questi, il nome dell'azienda esiste, ma il nome del prodotto è costituito da noi. In questo caso, il modello darà ancora una descrizione abbastanza realistica del prodotto fittizio.

Ci sono due strategie che possono essere utilizzate per ridurre questa illusione:

  • Strategia 1: richiedere al modello di trovare riferimenti pertinenti e rispondere alle domande basate sul testo fornito
  • Strategia 2: Traccia la risposta al file sorgente

Temperatura​

Traduzione: Temperatura

Questo è un parametro comune del modello, e il valore opzionale è: 0room1.

  • Quando la temperatura è 0: significa che la risposta è più accurata e fissa, ed è adatto per aspettarsi lo stesso risultato di uscita ogni volta.

  • Quando la temperatura è 0.7: significa che la risposta è più casuale e creativa, ed è adatto per aspettarsi diversi risultati di uscita ogni volta.

Per esempio, quando si risponde "Il mio cibo preferito è". Quando si tratta di questo problema, la possibilità di alimenti diversi è diversa.

Quando la temperatura è 0, il modello sceglie sempre quello più probabile, cioè la pizza.

Quando la temperatura è 0.3, è possibile per il modello scegliere altri alimenti con minore probabilità.

Quando la temperatura è 0.7, è possibile per il modello scegliere altri alimenti che sono meno probabili.

Lo scopo di LLM

Avere buon senso

Identificare l'intenzione

Classificazione

Passo dopo passo: Macchina di stato

Parametri della funzione supplementare (impressionante)

Modelli comuni di frase sollecita

Riepilogare

Delimitato

Summarize the text delimited by triple quotes.

"""insert text here"""

Come segue

Se del caso

You will be provided with meeting notes, and your task is to summarize the meeting as follows:
    
    -Overall summary of discussion
    -Action items (what needs to be done and who is doing it)
    -If applicable, a list of topics that need to be discussed more fully in the next meeting.

Antefatti​

Ti verrà fornito

You will be provided with xxx (delimited with XML tags) about xxx topic. 
First xxx. 
Then xxx and xxx.

Passo dopo passo​

Use the following step-by-step instructions to respond to user inputs.

Step 1 - The user will provide you with text in triple quotes. Summarize this text in one sentence with a prefix that says "Summary: ".

Step 2 - Translate the summary from Step 1 into Spanish, with a prefix that says "Translation: ".

Coerenza​

Answer in a consistent style.

Q: Teach me about patience.
A: The river that carves the deepest valley flows from a modest spring; the grandest symphony originates from a single note; the most intricate tapestry begins with a solitary thread.
Q: Teach me about the ocean.

Limitare la lunghezza​

Ci sono tre punti principali.

Summarize the text delimited by triple quotes in 3 bullet points.
Summarize the text delimited by triple quotes in 2 paragraphs.
Summarize the text delimited by triple quotes in about 50 words. // 3 个要点

Limitare il campo di applicazione​

Molto buono

Draft a company memo to be distributed to all employees. The memo should cover the following specific points without deviating from the topics mentioned and not writing any fact which is not present here:
xxxx

Classificazione​

You will be provided with a tweet, and your task is to classify its sentiment as positive, neutral, or negative.

Intenzione di classificazione​

You will be provided with customer service queries. Classify each query into a primary category and a secondary category. Provide your output in json format with the keys: primary and secondary.

Primary categories: Billing, Technical Support, Account Management, or General Inquiry.

Billing secondary categories:
- Unsubscribe or upgrade
- Add a payment method
- Explanation for charge
- Dispute a charge

Technical Support secondary categories:
- Troubleshooting
- Device compatibility
- Software updates

Account Management secondary categories:
- Password reset
- Update personal information
- Close account
- Account security

General Inquiry secondary categories:
- Product information
- Pricing
- Feedback
- Speak to a human

Ruoli e compiti​

your task is to xxx it in a concise way.

Brevità​

explain it in a concise way.

Utente di destinazione​

Al secondo anno.

Summarize content you are provided with for a second-grade student.

Formato​

Uscita in formato elenco punti

Provide your answer in bullet point form.

Uscita

  • facile da usare
  • Fornisce un buon valore per il prezzo
  • Alta qualità e durata
  • Difficile da trasportare
  • Difficile da conservare

Un elenco ordinato

Un elenco numerato

create a numbered list of turn-by-turn directions from it.

Formato supportato​

格式类型例子
编号列表1. 打开浏览器2. 输入网址3. 浏览内容
圆点列表- 苹果- 香蕉- 橙子
表格
代码块pythonprint("Hello, world!")
标题和子标题## 主标题### 子标题
JSON格式{ "name": "John", "age": 30, "city": "New York" }
思维导图格式
markdown格式