在本节中,我们介绍ChatGPT的最新提示工程技术,包括提示、应用、限制、论文和其他阅读资料。
完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中,自动持续翻译更新: 🐙 关于提示词工程(prompt)的指南、论文、讲座、笔记本和资源大全
主题:
ChatGPT简介
ChatGPT是OpenAI训练的可以进行交互对话的新模型。该模型经过训练,在对话的背景下,可以按照提示中的指示提供适当的响应。ChatGPT可以帮助回答问题、建议配方、以特定格调写歌词、生成代码等等。
ChatGPT使用人类反馈的强化学习(RLHF)进行训练。虽然该模型比以前的GPT迭代版本更加强大(也经过训练以减少有害和不真实的输出),但仍然存在一些限制。让我们通过具体例子来介绍一些功能和限制。
您可以在这里使用ChatGPT的研究预览,但下面的例子中,我们将使用OpenAI Playground上的“Chat”模式。
审查对话任务
在先前的指南中,我们介绍了一些关于对话能力和角色提示的内容。我们介绍了如何指示LLM以特定的方式进行对话,以特定的意图、行为和身份。
让我们回顾一下我们先前的基本示例,我们创建了一个会话系统,该系统能够针对问题生成更多技术性和科学性的响应。
提示:
这是与AI研究助理的对话。助手的口吻是技术和科学的。
人类:你好,你是谁?
```AI:您好!我是一位AI研究助手。请问今天我能帮您什么忙吗?
人类:您能告诉我黑洞是如何形成的吗?
AI:
从上面的示例中,您可以看到两个重要的组成部分:
- 意图或解释聊天机器人的内容
- 身份指示聊天机器人将用哪种风格或口吻来回复
上面的简单示例在使用 text-davinci-003
的文本补全API上运行得很好。 更近期,OpenAI 宣布了ChatGPT APIs,这是一个更强大、更便宜的模型,称为 gpt-3.5-turbo
,专为这种功能(聊天补全)而建。OpenAI推荐这个模型,即使是非聊天使用案例,也是其最佳模型。使用ChatGPT APIs的其他好处是显著的成本降低(90%)和效率。
像Snap Inc.和Instacart这样的大公司已经在他们的产品上集成了由ChatGPT驱动的对话功能,涉及个性化推荐和开放性购物目标等方面。
ChatGPT的对话
多回合对话
为了开始展示ChatGPT的功能,我们将使用上面的聊天机器人助手示例并讨论结果。与 text-davinci-003
相比,ChatGPT驱动的 gpt-3.5-turbo
模型使用聊天格式作为输入。模型期望一系列信息作为输入,并使用这些信息生成响应。
输入:
系统: 您是一位AI研究助手。您使用的语气是技术性和科学性的。
用户:您好,您是谁?
助手:您好!我是一位AI研究助手。请问今天我能帮您什么忙吗?
人类:您能告诉我黑洞是如何形成的吗?
输出:
ASSISTANT:当一个巨大的恒星耗尽燃料并在自身引力下坍塌时,就会形成黑洞。这种坍缩会使星体变得异常致密,引力场非常强,甚至光线也无法逃脱。这个不能返回的点被称为事件视界。一旦恒星越过事件视界,就被认为是黑洞...
请注意,上面的示例已简化输入和输出,但ChatGPT聊天完成API要求消息以特定格式呈现。我在下面添加了一个快照,显示了如何在OpenAI Playground中使用“聊天模式”查看此示例:
我们的示例的更正式API调用可能类似于下面的示例:
import openai
openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "您是一个AI研究助手。您使用的语气是技术性的和科学性的。"},
{"role": "user", "content": "你好,你是谁?"},
{"role": "assistant", "content": "你好!我是一个AI研究助手。您今天需要我帮助您什么?"},
{"role": "user", "content": "您能告诉我黑洞的形成吗?"}
]
)
ChatML在未来可能是开发人员与ChatGPT进行交互的方式.
单轮任务
聊天格式使多次对话成为可能,但它也支持类似于我们使用’text-davinci-003’所演示的单轮任务。这意味着我们可以使用ChatGPT执行与我们为原始GPT模型演示的类似任务。例如,让我们尝试使用ChatGPT执行以下问答任务:
输入:
用户:基于下面的上下文回答问题。回答应简短明了。如果不确定答案,请回答“不确定答案”。
格式:仅返回翻译后的内容,不包括原始文本。
ASSISTANT: OKT3最初是来源于老鼠。根据官方的OpenAI文档,`gpt-3.5-turbo`模型的快照也将可供使用。例如,我们可以访问3月1日的快照`gpt-3.5-turbo-0301`。这使开发人员可以选择特定的模型版本。这也意味着对模型进行指导的最佳实践可能会随版本变化而变化。
针对gpt-3.5-turbo-0301
的当前建议是在“用户”消息中添加指令,而不是已有的“系统”消息。
Python笔记本
描述 | 笔记本 |
---|---|
学习如何使用openai 库调用ChatGPT API |
ChatGPT API简介 |
学习如何使用LangChain 库使用ChatGPT features。 |
ChatGPT API with LangChain |
参考文献
- 看待ChatGPT,在学生的眼中:基于TikTok数据的分析 (2023年3月)
- 使用对话式语言模型和提示工程从研究论文中提取准确的材料数据-ChatGPT的例子 (2023年3月)
- ChatGPT正在逐渐成为现实:大型语言模型是否足以支撑智能交通? (2023年3月)
- 创建一个计算律师 (2023年3月)
- LLMs的合成数据生成是否有助于临床文本挖掘? (2023年3月)
- MenuCraft:使用大型语言模型进行交互式菜单系统设计 (2023年3月)
- 人工智能生成内容(AIGC)的综合调查:从GAN到ChatGPT的生成式人工智能历史 (2023年3月)
- 探索使用ChatGPT进行事件提取的可行性
- ChatGPT:手动注释的开始? 自动流派识别案例 (2023年3月)- ChatGPT是否是一个好的自然语言生成评估器?初步研究(2023年3月)
- 情感计算是否将从基础模型和通用人工智能中出现?在ChatGPT上的首次评估(2023年3月)
- UZH_CLyp在SemEval-2023任务9中的应用:面向Tweet亲密性预测的跨语言fine-tuning和ChatGPT数据生成(2023年3月)
- 如何格式化输入到ChatGPT模型中(2023年3月)
- ChatGPT能评估人类个性吗?一个通用的评估框架(2023年3月)
- 通过ChatGPT进行跨语言摘要(2023年2月)
- ChatAug:利用ChatGPT进行文本数据增强(2023年2月)
- ChatGPT博士,请告诉我我想要听什么:提示性知识如何影响健康答案的正确性(2023年2月)
- ChatGPT在数学题中的独立评估(MWP)(2023年2月)
- ChatGPT:2.5个月后的元分析(2023年2月)
- 让我们聊天!与ChatGPT的对话:技术,应用和局限性(2023年2月)
- 检查你的事实并重试:利用外部知识和自动反馈来改善大型语言模型(2023年2月)
- 关于ChatGPT的稳健性:对抗和超出分布的视角(2023年2月)
- 生成式人工智能模型,例如ChatGPT如何在SPC实践,教育和研究中被(误)使用?探索性研究(2023年2月)
- ChatGPT是否也可以理解?ChatGPT和fine-tuned BERT的比较研究(2023年2月)- 一个增强ChatGPT提示工程的提示模式目录 (2023年2月)
- 通过与ChatGPT聊天实现零-shot信息提取 (2023年2月)
- ChatGPT:万能而不精 (2023年2月)
- 在决策制定和空间推理方面对ChatGPT和DALL-E 2进行初步评估 (2023年2月)
- 网民、学者和信息专家对AI的看法,特别是ChatGPT (2023年2月)
- ChatGPT中的语言歧义分析 (2023年2月)
- 面向知识图谱的ChatGPT与传统问答的比较:现状和未来发展方向 (2023年2月)
- ChatGPT和生成式AI对科学意味着什么 (2023年2月)
- 应用BERT和ChatGPT分析斯蒂弗斯-约翰逊病的科学文献情感 (2023年2月)
- 探索ChatGPT的人工智能伦理:一种诊断分析 (2023年1月)
- ChatGPT有何益处和挑战?大型语言模型在教育中的应用 (2023年1月)
- 对话AI的政治意识形态:ChatGPT倾向于环保和左倾自由主义 (2023年1月)
- 提高可靠性的技术 – OpenAI Cookbook
- 令人惊叹的ChatGPT提示
- 介绍ChatGPT (2022年11月)
声明:本文内容源自互联网公开资源,旨在分享与交流。若您发现任何侵犯您版权的内容,请立即与我们联系,我们将第一时间核实并删除,以确保尊重并维护版权所有者的合法权益。