想要ChatGPT？这里有秘密通道！赶紧点击获取超值资源吧！

学会提问 1年前 (2023) lida

38 0 0

文章主题：ChatGPT, 免费, 地址

介绍

这个由 Isa Fulford (OpenAI) 和吴恩达 (DeepLearning.AI) 教授的短期课程将描述 LLM 的工作原理，提供即时工程的最佳实践，并展示 LLM API 如何用于各种任务的应用程序，包括：总结（例如，为简洁起见总结用户评论）推断（例如，情感分类、主题提取）转换文本（例如，翻译、拼写和语法更正）扩展（例如，自动编写电子邮件）在这个课程中能够学习到，编写有效提示的两个关键原则，即如何系统地设计好的提示，并学习构建自定义聊天机器人。

免费ChatGPT地址：

http://ai.mkzero.top:44444/

1.课程简介首先，你将学习一些软件开发最佳实践的提示。然后，我们将涵盖一些常见的用例，包括总结、推理、转换和扩展。接着，你将使用LLM构建一个聊天机器人。我们希望这会激发你的想象力，并能够创建出新的应用程序。在大型语言模型或LLM的开发中，大体上有两种类型的LLM，我将其称为基础LLM和指令调整后的LLM。因此，基础LLM已经训练出来根据文本训练数据预测下一个单词。通常是在互联网和其他来源的大量数据上进行训练，以找出接下来最有可能的单词。例如，如果你提示“一次有一个独角兽”，它可能会继续完整这个句子，预测出接下来的几个单词是“和所有的独角兽朋友生活在一个神奇的森林里”。但如果你提示“法国的首都是什么”，那么LLM可能会给出正确的回答“巴黎”，或者可能会给出错误的回答。基于互联网上的文章，基础LLM有可能会回答法国的最大城市是什么，法国的人口是多少等等。因为互联网上的文章很可能是关于法国的问答列表。相比之下，指令调整后的LLM更接受人们的指令。因此，如果你问它法国的首都是什么，它很可能会输出法国的首都是巴黎。指令调整后的LLM的研究和实践的动量更大。因此，指令调整后的LLM通常是这样训练的：首先，你从大量文本数据中训练出一个基础LLM，随后使用指令和良好尝试的输入和输出来对其进行微调和优化，然后通常使用称为“人类反馈强化学习”的技术进行进一步细化，以使系统更能够有帮助且能够遵循指令。因为指令调整后的LLM被训练成有用、诚实和无害的，所以它们输出有害文本（如毒性输出）的可能性比基础LLM更小。很多实际的应用场景已开始向指令调整后的LLM转移，而一些在互联网上查到的最佳实践则可能更适用于基础LLM。对于大多数今天的实际应用，我们建议大多数人应该专注于经过调整的指令语言模型。这些模型更易于使用，而且由于OpenAI和其他LLM公司的工作，它们变得更加安全和更加符合要求。因此，本课程将专注于经过调整的指令语言模型的最佳实践，这是我们建议大多数应用程序使用的模型。

2.提示工程关键原则你可以在 OpenAI 的网站上获取其中一个 API 密钥。只需要设置你的 API 密钥，然后输入你的 API 密钥。如果你想的话也可以将其设置为环境变量。同时，我们将在本课程中使用 OpenAI 的聊天gpt-3.5-turbo模型. 先安装openai的库。 pip install openai

import openai
import os

from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())

openai.api_key = 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
def get_completion(prompt, model=“gpt-3.5-turbo”):
messages = [{“role”: “user”, “content”: prompt}]
response = openai.ChatCompletion.create(
model=model,
messages=messages,
temperature=0, # this is the degree of randomness of the models output
)
# print(response) # 我加的方便看这个字典有什么
return response.choices[0].message[“content”]

我将概述一些原则和策略，这些原则和策略在使用ChatGBT等语言模型时将非常有用。我将首先对它们进行高层次的概述，然后我们将使用示例应用具体的策略。我们将在整个课程中使用这些相同的策略。因此，对于原则而言，第一个原则是编写清晰具体的指令。第二个原则是给模型充足的时间来思考。 1.原则一编写清晰具体的指令策略1：使用分隔符三重引号：””” 三重反引号：“` 三个破折号：—，尖括号：