2023讓ChatGPT導(dǎo)出高質(zhì)量答案

CHATGPT導(dǎo)出高質(zhì)量答案目錄TOC\o"1-1"\h\u4621第一章：提示工程技術(shù)介紹（第6頁） 316224第二章：指令提示技術(shù)（第8頁） 524197第五章：零樣本、單樣本、小樣本提示 715659第十八章：聚類提示（第36頁） 156309第二十一章：情感分析提示（第42頁） 1723784第二十四章：文本生成提示（第48頁） 19第一章：提示工程技術(shù)介紹（第6頁）什么是提示工程？提示工程，就是創(chuàng)建一堆指令，提示（詢問、指導(dǎo)）ChatGPT這類語言模型輸出語料文本。提示工程幫助用戶控制語言模型輸出，生成適合的特定需求。ChatGPT是目前最先進的語言模型，產(chǎn)出類人文本（human-liketext），它建立在轉(zhuǎn)換器架構(gòu)（transformerarchitecture）之上，數(shù)據(jù)處理數(shù)量大、文本生成質(zhì)量高。在ChatGPT中，為了獲得最佳的文字產(chǎn)出，正確提示的方法就成了重點。有了提示（Prompting）這份藏寶圖，我們可以化身寶藏獵人，在語言模型這個寶藏迷宮里，開啟一個個寶箱——輸出的語料文本具備相關(guān)性、準(zhǔn)確度、高質(zhì)量。了解ChatGPT的功能、限制，至關(guān)重要。該模型能夠生成類人語料文本，如果缺乏合適的引導(dǎo)，我們有可能始終無法產(chǎn)生理想的輸出。此乃提示工程的用武之地，假設(shè)提供的指令清晰、具體，我們可以指導(dǎo)模型的輸出，確保內(nèi)容相關(guān)。提示公式（promptformular）——提示的特定格式，一般包含3個主要元素：任務(wù)（task）：一份清晰簡潔的陳述，提示要求模型生成的內(nèi)容。指令（instructions）：在生成文本時，模型應(yīng)該遵循什么。角色（role）：在生成文本時，模型應(yīng)該扮演什么。在冊子中，我們將探討搭配ChatGPT使用的各種提示工程技術(shù)，討論提示的不同類型，以及如何用它們實現(xiàn)特定需求。詞匯解釋枯燥冰冷，它們的從屬關(guān)系是什么，用結(jié)構(gòu)性框架一目了然為了讓大家有更直觀的感受，我們采用了輕便的協(xié)同白板工具——Fabrie，平時可微信掃碼登錄，ChatGPT、prompt關(guān)聯(lián)的新詞解釋鏈接在下方（不斷更新中）https://\h/workspace/63ee97c0639e7e0470a94274?invitedBy=629872335bbae71a767353cc&inviteFrom=fabriedoc&inviteMethod=linkChapter2:InstructionsPromptTechnique\hChatGPT??相關(guān),分享您?點(AI啟發(fā)指南).限時0元開源?檔對標(biāo)xxx元付費\h查看這篇?書?檔/docx/DNofd1v9KoK9XLxs2pjciOpInUf第二章：指令提示技術(shù)（第8頁）現(xiàn)在就開啟探索之旅——如何利用“指令提示技術(shù)”在ChatGPT中進行高質(zhì)量產(chǎn)出。指令提示技術(shù)，為模型提供特定指令，指導(dǎo)ChatGPT輸出，確保輸出的相關(guān)性、高質(zhì)量。用好該項技術(shù)，需要向其提供清晰簡潔的模型任務(wù)（task）、模型要遵循的具體指令（instructions）。舉個例子，如果你正在生成客戶服務(wù)響應(yīng)，需要提供如下兩項：“生成對客戶查詢的響應(yīng)”之類的任務(wù)（task）、“回復(fù)應(yīng)當(dāng)專業(yè)并提供準(zhǔn)確信息”之類的指令（instructions）。提示公式：“生成[任務(wù)]如下這些說明[指令]”（*譯者注）【示例】生成客戶服務(wù)響應(yīng)：任務(wù)：生成對客戶咨詢的響應(yīng)指令：回答應(yīng)當(dāng)專業(yè)，提供信息應(yīng)當(dāng)準(zhǔn)確提示公式：“按照這些指令，對客戶咨詢做出專業(yè)的、準(zhǔn)確的回復(fù)：回答應(yīng)當(dāng)專業(yè)，提供信息應(yīng)當(dāng)準(zhǔn)確?！鄙煞晌募喝蝿?wù)：生成法律文件指令：文件應(yīng)當(dāng)符合相關(guān)法律法規(guī)提示公式：“按照以下指令，生成符合相關(guān)法律法規(guī)的法律文件：該文件應(yīng)當(dāng)符合相關(guān)法律法規(guī)?！笔褂弥噶钐崾炯夹g(shù)時，請務(wù)必記住，指令應(yīng)當(dāng)清晰具體。這將有助于確保產(chǎn)出具有相關(guān)性和高質(zhì)量。指令提示技術(shù)，可以結(jié)合第三章介紹的“角色提示”、“種子詞提示”相結(jié)合，強化ChatGPT的輸出。*instructions在第二章頻繁出現(xiàn)，其實有兩種用法①出現(xiàn)在第一章里的instructions我翻譯為“指令”，屬于提示公式三個主要元素之一②普遍的用法，同義詞為介紹、解釋、教導(dǎo)，我翻譯為“說明”Chapter3:RolePrompting第三章：角色提示（第10頁）角色提示技術(shù)（rolepromptingtechnique），ChatGPT生成針對特定上下文，生成的文本量身定制，此技術(shù)相當(dāng)有用。若想用好它，需要向模型提供明確、具體的角色。例如，生成客戶服務(wù)響應(yīng)，要具備“客戶服務(wù)代表”之類的角色。提示公式：“生成[任務(wù)]作為[角色]”【示例】生成客戶服務(wù)響應(yīng)：任務(wù)：生成對客戶咨詢的響應(yīng)角色：客戶服務(wù)代表提示公式：“作為客戶服務(wù)代表，生成對客戶咨詢的響應(yīng)?！鄙煞晌募喝蝿?wù)：生成法律文件角色：律師提示公式：“作為律師，生成法律文件?！笔褂谩局噶钐崾尽?、【種子詞提示】的【角色提示技術(shù)】，將增強ChatGPT的輸出。示例，如何將三者結(jié)合：任務(wù)：為新智能手機生成產(chǎn)品描述指令：描述應(yīng)提供信息、具有說生成內(nèi)容豐富、有說服力的產(chǎn)品描述，突出新智能手機的創(chuàng)新功能。智能手機具有以下功能[插入您的功能]”在此示例中，指令提示確保產(chǎn)品描述具有信息性、說服力；角色提示確保這個描述來自營銷代表的視角；使用種子詞提示*（譯者注）確保描述集中在智能手機的創(chuàng)新功能上。*第二章末尾提及的種子詞提示（seed-wordprompting），在第三章也沒有具體內(nèi)容，只是一個應(yīng)用示例，別心急，在第八章（20頁）有詳細解釋Chapter4:StandardPrompts第四章：標(biāo)準(zhǔn)提示（第12頁）標(biāo)準(zhǔn)提示，可以看做是一種常用的默認值，指導(dǎo)ChatGPT通過為模型提供特定的任務(wù)輸出。例如，如果你想生成一篇新聞文章的摘要，你會提供一個[任務(wù)]，比如“總結(jié)這篇新聞文章”。提示公式：“生成一個[任務(wù)]”【示例】生成一篇新聞?wù)喝蝿?wù)：總結(jié)這篇新聞文章提示公式：“生成這篇新聞文章的摘要”生成一篇產(chǎn)品評論：任務(wù)：寫一篇新智能手機的評論提示公式：“生成對這款新智能手機的評論”此外，標(biāo)準(zhǔn)提示可以與角色提示和種子詞提示等其他技術(shù)相結(jié)合，以增強ChatGPT的輸出?！臼纠咳绾谓M合標(biāo)準(zhǔn)提示、角色提示、種子詞提示技術(shù)：任務(wù)：為新筆記本電腦生成產(chǎn)品評論指提示公式：“作為技術(shù)專家，生成客觀且信息豐富的產(chǎn)品評論，突出新筆記本電腦的強大功能?！痹诖耸纠校瑯?biāo)準(zhǔn)提示用于確保模型生成產(chǎn)品評論；角色提示用于確保評論是從技術(shù)專家的角度撰寫的；種子詞提示用于確保評論聚焦于筆記本電腦的強大功能。/Chapter5:Zero,OneandFewShotPrompting第五章：零樣本、單樣本、小樣本提示（第14頁）零樣本、單樣本、小樣本提示技術(shù)，在沒有示例、最少示例的情況下，幫助ChatGPT生成文本。任務(wù)適用范疇：可用數(shù)據(jù)有限、具體任務(wù)不明確、全新且定義不明確。當(dāng)沒有可用于任務(wù)（task）的示例時，使用零樣本提示技術(shù)。該模型提供一個通用任務(wù)，根據(jù)理解生成文本。當(dāng)只有一個示例可用于任務(wù)時，使用一次性提示技術(shù)。該模型隨示例一起提供，根據(jù)理解生成文本案例。當(dāng)任務(wù)數(shù)量有限時，使用小樣本提示技術(shù)。該模型隨示例一起提供，根據(jù)理解生成文本案例。提示公式：“Generatetextbasedon[number]examples”/Chapter6:"Let’sthinkaboutthis”prompt第六章：“讓我們想一下”提示（第16頁）“讓我們想一下”這個提示，生成的文本具備反思能力、深度思考，對寫散文、寫詩歌、創(chuàng)意寫作的群體來說，很有幫助。提示公式，只需要在“讓我們想一下”之后跟一個主題、問題?！臼纠繉懫此夹晕恼拢喝蝿?wù)：寫一篇關(guān)于個人成長的反思性文章提示公式：“讓我們想一下：個人成長”寫一首詩：任務(wù)：寫一首關(guān)于四季變化的詩提示公式：“讓我們考慮一下：季節(jié)的變化”此提示要求就特定主題、想法進行對話、討論，邀請ChatGPT就手頭的主題進行對話。該模型提供了一個提示，作為對話或文本生成的起點。然后，使用模型訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)。允許ChatGPT根據(jù)提供的提示，生成上下文適當(dāng)且連貫的文本。要在ChatGPT中使用“讓我們想一下”，需遵循以下步驟：確定討論的主題、構(gòu)思。制定的提示，需要把主題、想法闡明，并開始對話、生成文本。在提示前加上“讓我們想一下”或“讓我們討論一下”，表明討論已經(jīng)發(fā)起了?！臼纠刻崾荆骸白屛覀兿胍幌職夂蜃兓瘜r(nóng)業(yè)的影響”提示：“讓我們討論下工智能的現(xiàn)狀”提示：“讓我們談一下遠程工作的好處和壞處”還可以添加一個開放式問題、陳述，或者添加一段希望模型繼續(xù)的文本，一段建立在其基礎(chǔ)之上的文本。提供提示后，模型將使用其訓(xùn)練數(shù)據(jù)和算法生成與提示相關(guān)的響應(yīng)，并以連貫的方式繼續(xù)對話。這種獨特的提示，有助于ChatGPT以不同視角、不同角度給出答案，讓產(chǎn)出更具活力、更具信息量。使用提示的步驟簡單易行，可以真正改變您的寫作。親自試試便可一觀。/Chapter7:Self-ConsistencyPrompt第七章：自洽提示（第17頁）自洽提示技術(shù)，確保ChatGPT的輸出與提供一致，在事實核查、數(shù)據(jù)驗證、文本生成中，檢驗前后是否一致。提示公式為，輸入文本后跟進指令“請確保以下文本是自洽的”或者，可以提示模型生成與提供的輸入一致的文本?！臼纠?（譯者注）示例1：文本生成任務(wù)：生成產(chǎn)品評論指令：審核應(yīng)與輸入中提供的產(chǎn)品信息一致提示公式：“生成與以下產(chǎn)品信息[插入產(chǎn)品信息]一致的產(chǎn)品評論”示例2：文本摘要任務(wù)：總結(jié)一篇新聞文章指令：摘要應(yīng)與文章提供的信息一致提示公式：“以與提供的信息一致的方式總結(jié)以下新聞文章[插入新聞文章]”示例3：文本補全*（譯者注）任務(wù)：補全一個句子指令：補全要與輸入中提供的上下文一致提示公式：“以與提供的上下文一致的方式補全以下句子[插入句子]”示例4：事實核查：任務(wù)：檢查給定新聞文章的一致性輸入文本：“文章說這個城市的人口是500萬，后來又說人口是700萬?！碧崾竟剑骸罢埓_保以下文字自洽：文章說這個城市的人口是500萬，但后面說人口是700萬?！睌?shù)據(jù)驗證：任務(wù)：檢查給定數(shù)據(jù)集中的一致性輸入文本：“數(shù)據(jù)顯示7月平均氣溫為30度，但最低氣溫記錄為20度。”提示公式：“請確保以下文字自洽：數(shù)據(jù)顯示7月平均氣溫為30度，最低氣溫記錄為20度?！?從第七章開始，后續(xù)的舉例很多寫為PromptExamplesandtheirFormula:的提示，我還是和之前一樣翻譯為【示例】，因為所有舉例中都包含了完整公式，無需單獨說明*此處的complete雖然表示完整的，但更方便理解的同義詞是fulfill、accomplish，代表補全、填充、完善Chapter8:Seed-wordPrompt第八章：種子詞提示（第19頁）種子詞提示，提供特定種子詞、短語，控制ChatGPT輸出。其提示公式，是種子詞、種子詞組，后面跟著指令“請根據(jù)以下種子詞生成文本”【示例】文本生成：任務(wù)：生成一個關(guān)于龍的故事種子詞：“龍”提示公式：“請根據(jù)以下種子詞生成文本：龍”語言翻譯：任務(wù)：將一個句子從英語翻譯成西班牙語種子詞：“你好”提示公式：“請根據(jù)以下種子詞生成文本：你好”關(guān)。種子詞提示可以結(jié)合角色提示、指令提示，生成更具體、更有針對性文本。通過提供種子詞、種角色的特定風(fēng)格、特定語氣一致。允許用戶對生成的文本進行更多控制，且可用于廣大的應(yīng)用程序?！臼纠渴纠?：文本生成任務(wù)：生成一首詩指令：該詩應(yīng)與種子詞“愛”相關(guān)，并應(yīng)以十四行詩的形式書寫角色：詩人提示公式：“以詩人的身份生成與種子詞‘愛’相關(guān)的十四行詩”示例2：文本補全*（譯者注）任務(wù)：補全一個句子指令：補全內(nèi)容應(yīng)與種子詞“科學(xué)”相關(guān)，書寫形式應(yīng)為研究論文角色：研究員提示公式：“以與種子詞‘科學(xué)’相關(guān)的方式，作為研究人員論文的風(fēng)格，補全以下句子：[插入句子]”示例3：文本摘要任務(wù)：總結(jié)一篇新聞文章指令：摘要應(yīng)與種子詞“政治”相關(guān)，以中立和公正的語氣撰寫角色：記者提示公式：“以記者的中立和公正的語氣，以與種子詞‘政治’相關(guān)的方式總結(jié)以下新聞文章：[插入新聞文章]”*和第七章一樣，此處的complete翻譯為補全，后續(xù)章節(jié)有相同情況，翻譯風(fēng)格保持一致，不再額外注釋Chapter9:KnowledgeGenerationprompt第九章：知識生成提示（第21頁）知識生成提示，用于從ChatGPT中獲取新鮮且原始的信息。知識生成的提示公式是“請生成關(guān)于X的新的和原始的信息”，這里的X是感興趣的主題。這種技術(shù)，使用模型里預(yù)先存在的知識，用來生成新信息、回答問題。要在ChatGPT中使用知識生成提示，應(yīng)向模型提供問題或任務(wù)作為輸入，以及一組預(yù)定義選項作為潛在答案。提示還應(yīng)包括有關(guān)的輸出信息，例如要生成的文本類型、任何特定要求或約束。【示例】示例1：知識生成任務(wù)：生成有關(guān)特定主題的新信息指令：生成的信息應(yīng)準(zhǔn)確且與主題相關(guān)提示公式：“生成關(guān)于[特定主題]的新的準(zhǔn)確信息”示例2：問答任務(wù)：回答一個問題指令：答案應(yīng)準(zhǔn)確并與問題相關(guān)提示公式：“回答以下問題：[插入問題]”示例3：知識整合任務(wù)：將新信息與現(xiàn)有知識相結(jié)合指令：整合應(yīng)準(zhǔn)確并與主題相關(guān)提示公式：“將以下信息與關(guān)于[特定主題]的現(xiàn)有知識相結(jié)合：[插入新信息]”示例4：數(shù)據(jù)分析任務(wù)：從給定的數(shù)據(jù)集中生成有關(guān)客戶行為的見解提示公式：“請從該數(shù)據(jù)集中生成有關(guān)客戶行為的新的原始信息”/Chapter10:KnowledgeIntegrationprompts第十章：知識整合提示（第23頁）知識整合提示，使用模型的預(yù)先存在的知識，來集成新信息、連接不同的信息片段。此技術(shù)的用處，能結(jié)合現(xiàn)有知識、新信息，更全面地理解特定主題。如何嫁接到ChatGPT：輸入新信息、現(xiàn)有知識；以及有提示，指定生成文本的任務(wù)或目標(biāo)。提示應(yīng)包括有關(guān)所需輸出的信息，例如要生成的文本類型、任何特定要求或約束?！臼纠渴纠?：知識整合任務(wù)：將新信息與現(xiàn)有知識相結(jié)合指令：整合應(yīng)準(zhǔn)確并與主題相關(guān)提示公式：“將以下信息與關(guān)于[特定主題]的現(xiàn)有知識相結(jié)合：[插入新信息]”示例2：連接信息片段任務(wù)：連接不同的信息片段指令：連接應(yīng)該是相關(guān)的和邏輯提示公式：“連接以下信息以一種相關(guān)且合乎邏輯的方式：[插入信息1][插入信息2]”示例3：更新現(xiàn)有知識任務(wù)：用新信息更新現(xiàn)有知識指令：更新的信息應(yīng)該是準(zhǔn)確和相關(guān)的提示公式：“使用以下信息更新關(guān)于[特定主題]的現(xiàn)有知識：[插入新信息]”/Chapter11:MultipleChoiceprompts第十一章：多項選擇提示（第25頁）多項選擇提示，提供了一個模型，包含一個問題或任務(wù)，以及一組預(yù)定義選項，作為可能的答案。如果生成僅限于一組特定選項的文本，多項選擇提示很有用，比如問答、文本完成、其他任務(wù)；也可以生成僅限于預(yù)定義選項的文本。要在ChatGPT中使用多項選擇提示，應(yīng)向模型提供問題、任務(wù)，以及一組預(yù)定義選項作為潛在答案。提示還應(yīng)包括關(guān)聯(lián)的輸出信息，例如文本類型、任何特定要求或約束?！臼纠渴纠?：問答任務(wù)：回答多項選擇題指令：答案應(yīng)該是預(yù)定義的選項之一提示公式：“通過選擇以下選項之一回答以下問題：[插入問題][插入選項1][插入選項2][插入選項3]”示例2：文本補全任務(wù)：用預(yù)定義的選項之一補全一個句子指令：補全應(yīng)該是預(yù)定義的選項之一提示公式：“通過選擇以下選項之一補全以下句子：[插入句子][插入選項1][插入選項2][插入選項3]”示例3：情感分析*（譯者注）任務(wù)：將文本分類為正面、中性、負面指令：分類應(yīng)該是預(yù)定義的選項之一提示公式：“通過選擇以下選項之一將以下文本分類為正面、中性或負面：[插入文本][正面][中性][負面]”*在第二十一章：情感分析提示有具體說明Chapter12:InterpretableSoftPrompts第十二章：可解讀軟提示（第27頁）可解讀軟提示，在生成的文本同時，為模型提供一些靈活性。為模型提供一組受控輸入、一些附加信息。用此技術(shù)，生成的文本更具可解讀性、可控性?！臼纠渴纠?：文本生成任務(wù)：生成一個故事指令：故事應(yīng)該基于一組給定的角色和特定的主題提示公式：“根據(jù)以下人物生成故事：[插入人物]和主題：[插入主題]”示例2：文本補全任務(wù)：完成一個句子指令：完成應(yīng)以特定作者的風(fēng)格完成提示公式：“按照[具體作者]的風(fēng)格完成下列句子：[插入句子]”示例3：語言建模任務(wù)：生成特定樣式的文本指令：文字要采用特定時期的風(fēng)格提示公式：“生成[特定時期]風(fēng)格的文字：[插入上下文]”/Chapter13:ControlledGenerationprompts第十三章：受控生成提示（第28頁）受控生成提示，生成的文本輸出，具有高度控制性。輸入特定內(nèi)容，例如模板、特定詞匯表、一組約束，這些輸入可用于指導(dǎo)生成過程?！臼纠渴纠?：文本生成任務(wù)：生成一個故事指令：故事應(yīng)基于特定模板提示公式：“根據(jù)以下模板生成故事：[插入模板]”示例2：文本補全任務(wù):補全一個句子指令:補全時應(yīng)使用特定的詞匯提示公式:“使用以下詞匯補全以下句子：[插入詞匯]：[插入句子]”示例3：語言建模任務(wù)：生成特定樣式的文本指令：文本應(yīng)遵循一組特定的語法規(guī)則提示公式：“生成遵循以下語法規(guī)則的文本：[插入規(guī)則]：[插入上下文]”為模型提供一組特定輸入，用于指導(dǎo)生成過程，受控生成提示允許生成更可控、更可預(yù)測的文本/Chapter14:Question-answeringprompts第十四章：答疑提示（第29頁）問答提示，回答特定問題、特定任務(wù)。輸入問題、任務(wù)，以及輸入可能與之相關(guān)的一切其他信息?！臼纠渴纠?：回答事實任務(wù)：回答一個有關(guān)事實的問題指令：答案應(yīng)準(zhǔn)確且相關(guān)提示公式：“回答以下事實問題：[插入問題]”示例2：定義任務(wù)：提供一個詞的定義指令：定義要準(zhǔn)確提示公式：“定義以下詞：[插入詞]”示例3：以下來源檢索有關(guān)[特定主題]的信息：[插入來源]”面對問答任務(wù)、信息檢索類任務(wù)，答疑提示很靚。/Chapter15:Summarization第十五章：摘要提示（第30頁）摘要提示，生成給定文本的較短版本，同時保留其主要思想和信息。這是通過為模型提供更長的文本作為輸入并要求它生成該文本的摘要來實現(xiàn)的。用于文本摘要、信息壓縮等任務(wù)的時候，就很哇塞。如何與ChatGPT一起使用：該模型應(yīng)提供更長的文本作為輸入，并要求生成該文本的摘要。提示還應(yīng)包括有關(guān)所需輸出的信息，例如所需的摘要長度和任何特定要求或約束?！臼纠渴纠?：文章摘要任務(wù)：總結(jié)一篇新聞文章指令：摘要應(yīng)該是對文章要點的簡要概述提示公式：“用一句話總結(jié)以下新聞文章：[插入文章]”示例2：會議記錄任務(wù)：總結(jié)會議記錄指令：摘要應(yīng)突出會議的主要決定和行動提示公式：“通過列出主要決定和采取的行動來總結(jié)以下會議記錄：[插入記錄]”示例3：書籍摘要任務(wù)：總結(jié)一本書指令：摘要應(yīng)該是對本書要點的簡要概述提示公式：“在一小段中總結(jié)以下書籍：[插入書名]”/Chapter16:Dialogueprompts第十六章：對話提示（第32頁）對話提示，生成模擬兩個、多個實體之間對話的文本。通過為模型提供上下文，提供一組角色、一組實體，以及角色、背景，并要求模型在它們之間生成對話。需要為模型提供上下文，包含一組字符、一組實體，以及它們的角色、背景。該模型還應(yīng)提供輸出的信息，例如對話、對話類型，以及任何特定要求、約束。【示例】示例1：對話生成任務(wù)：生成兩個角色之間的對話指令：對話應(yīng)該自然并且與給定的上下文相關(guān)提示公式：“在以下上下文[插入上下文]中生成以下字符[插入字符]之間的對話”示例3：故事寫作任務(wù)：在故事中生成對話指令：對話要與故事中的人物和事件保持一致提示公式：“在下面的故事[插入故事]中生成下列人物角色[插入角色]之間的對話”示例3：聊天機器人開發(fā)任務(wù)：為客戶服務(wù)聊天機器人生成對話指令：對話要專業(yè)，提供準(zhǔn)確信息提示公式：“當(dāng)客戶詢問[插入主題]時，為客戶服務(wù)聊天機器人生成專業(yè)且準(zhǔn)確的對話”對話生成、故事寫作、聊天機器人開發(fā)，該技術(shù)很香。/Chapter17:Adversarial第十七章：對抗性提示（第34頁）對抗性提示，生成的文本可抵抗某些類型的攻擊、偏見。該技術(shù)訓(xùn)練后的模型，更穩(wěn)固、更頑健*（譯者注），且能抵抗某些類型的攻擊或偏差。應(yīng)當(dāng)為模型增加提示，旨在使模型難以生成與所需輸出一致的文本*（譯者注）。也包含輸出的文本類型，以及任何特定要求或約束。【示例】示例1：文本分類的對抗性提示任務(wù)：生成分類為特定標(biāo)簽的文本指令：生成的文本應(yīng)該很難歸類為特定的標(biāo)簽提示公式：“生成難以歸類為[插入標(biāo)簽]的文本”示例2：情緒分析的對抗性提示任務(wù)：生成難以歸類為特定情緒的文本指令：生成的文本應(yīng)該很難歸類為特定的情感提示公式：“生成難以歸類為具有[insertsentiment]情感的文本”示例3：語言翻譯的對抗性提示任務(wù)：生成難以翻譯的文本指令：生成的文本應(yīng)該很難翻譯成目標(biāo)語言提示公式：“生成難以翻譯成[插入目標(biāo)語言]的文本”*robust的原本含義是茁壯、堅定、濃郁醇厚；人文教育受限，有人將其翻譯為“魯棒性”，然后在代碼論壇到處泛濫；這是毫無意義的一個音譯，完全不能望文生義。譯者在此特別用了“穩(wěn)固”、“頑健”兩個同義詞，方便新人理解，希望各位程序員在翻譯類似詞匯的時候，如果拿不準(zhǔn)，把原文放在那里，都要比亂翻譯好很多。*這些文本包括種族、性別、地域偏見，登不上大雅之堂，如果想在公共渠道發(fā)送ChatGPT輸出的文字，可以手動檢查修改，也可以用對抗性提示來批量糾偏。Chapter18:Clusteringprompts第十八章：聚類提示（第36頁）聚類提示，根據(jù)某些特征、獨特性*（譯者注），將相似數(shù)據(jù)點分組扎堆。這種技術(shù)對于數(shù)據(jù)分析、機器學(xué)習(xí)、自然語言處理的任務(wù)，效果杠杠滴。如何嫁接到ChatGPT：該模型應(yīng)當(dāng)被提供一組數(shù)據(jù)點（評論、文章、論文），并要求根據(jù)某些特征（情緒、主題、研究領(lǐng)域）將它們分組到集群中。提示內(nèi)容還應(yīng)當(dāng)包含所需輸出的信息，例如要生成的聚類數(shù)量、任何特定要求或約束?！臼纠渴纠?：客戶評論的聚類任務(wù)：將相似的客戶評論分組在一起指令：應(yīng)根據(jù)情緒對評論進行分組提示公式：“根據(jù)情緒將以下客戶評論分組：[插入評論]”例2：新聞文章的聚類任務(wù)：將相似的新聞文章分組在一起指令：文章應(yīng)根據(jù)主題分組提示公式：“將以下新聞文章根據(jù)主題分組：[插入文章]”示例3：科學(xué)論文的聚類任務(wù)：將相似的科學(xué)論文分組在一起指令：論文應(yīng)按研究領(lǐng)域分組提示公式：“根據(jù)研究領(lǐng)域?qū)⒁韵驴茖W(xué)論文分組：[插入論文]”*不知道這兩個詞匯有沒有更好的翻譯，以下有幾組英文解釋Featuresvs.Characteristics-Featuresrefertoanimportantqualityorabilitysomethingwhereascharacteristicsrefertouniquequalitiesthatmakesomethingorsomeonedifferentfromothers.-Featuresfallintothecategorythenoun;incontrast,thepartsspeechthewordcharacteristicsarenounaswellasanadjective.-Thefeatureholdsthemeaning“animportantquality/abilitywhilecharacteristic(noun)meansthe“uniquequalitiesthataredistinguishingsomethingorsomeonedifferentfromothers.\h參考鏈接：https://www.differ\hence.wiki/features-vs-characteristics/Chapter19:Reinforcementlearningprompts第十九章：強化學(xué)習(xí)提示（第38頁）強化學(xué)習(xí)提示，讓模型從過去的行為中學(xué)習(xí)，隨著時間的推移，還能提高其性能。要將強化學(xué)習(xí)提示與ChatGPT調(diào)整其行為。提示應(yīng)當(dāng)包含所需輸出，例如要完成的任務(wù)、任何特定要求或約束。做決策、玩游戲、自然語言生成，用上它很巴適?！臼纠渴纠?：文本生成的強化學(xué)習(xí)任務(wù)：生成與特定樣式一致的文本指令：根據(jù)生成與特定樣式一致的文本，獲得了獎勵，模型應(yīng)調(diào)整其行為提示公式：“使用強化學(xué)習(xí)生成符合以下風(fēng)格的文本[插入風(fēng)格]”示例2：語言翻譯的強化學(xué)習(xí)任務(wù)：將文本從一種語言翻譯成另一種語言指令：根據(jù)其因產(chǎn)生準(zhǔn)確翻譯，獲得了獎勵，模型應(yīng)調(diào)整其行為提示公式：“使用強化學(xué)習(xí)將以下文本[插入文本]從[插入語言]翻譯成[插入語言]”示例3：用于問答的強化學(xué)習(xí)任務(wù)：生成問題的答案指令：根據(jù)產(chǎn)生準(zhǔn)確答案，獲得了獎勵，模型應(yīng)調(diào)整其行為提示公式：“使用強化學(xué)習(xí)生成以下問題的答案[插入問題]”/Chapter20:Curriculumlearningprompts第二十章：課程學(xué)習(xí)提示（第40頁）課程學(xué)習(xí)*（譯者注），讓模型通過首先在較簡單的任務(wù)上進行訓(xùn)練，并逐漸增加難度來學(xué)習(xí)復(fù)雜任務(wù)的技術(shù)。要在ChatGPT中使用，需提供一系列難度逐漸增加的任務(wù)。提示應(yīng)當(dāng)包含所需輸出，例如要完成的最終任務(wù)、任何特定要求或約束。自然語言處理、圖像識別、機器學(xué)習(xí)，這技術(shù)賊好用?！臼纠渴纠?：用于文本生成的課程學(xué)習(xí)任務(wù)：生成與特定樣式一致的文本指令：在轉(zhuǎn)向更復(fù)雜的樣式之前，應(yīng)先對模型進行簡單樣式的訓(xùn)練提示公式：“使用課程學(xué)習(xí)按以下順序[插入順序]生成符合以下樣式[插入樣式]的文本”示例2：用于語言翻譯的課程學(xué)習(xí)任務(wù)：將文本從一種語言翻譯成另一種語言指令：在轉(zhuǎn)向更復(fù)雜的語言之前，應(yīng)先對模型進行簡單語言的訓(xùn)練提示公式：“使用課程學(xué)習(xí)按以下順序[插入順序]從以下語言[插入語言]翻譯文本”示例3：課程學(xué)習(xí)的問答任務(wù)：生成問題的答案指令：在轉(zhuǎn)向更復(fù)雜的問題之前，應(yīng)先對模型進行簡單問題的訓(xùn)練提示公式：“使用課程學(xué)習(xí)按以下順序[插入順序]生成以下問題[插入問題]的答案”*課程學(xué)習(xí)（CurriculumLearning）參考資料：/p/362351969/Chapter21:Sentimentanalysisprompts第二十一章：情感分析提示（第42頁）情感分析，讓模型確定一段文本的情緒基調(diào)、情緒態(tài)度，例如它是積極的、消極的、中立的。要將情緒分析提示與ChatGPT一起使用，應(yīng)向模型提供一段文本，根據(jù)其情緒對文本分類。提示還應(yīng)包括輸出信息，例如要檢測的情緒類型（例如正面、負面、中性），以及任何特定要求或約束?！臼纠渴纠?：客戶評論的情感分析任務(wù)：確定客戶評論的情緒指令：模型應(yīng)當(dāng)將評論分類為正面、負面、中性提示公式：“對以下客戶評論[插入評論]進行情緒分析，并將其分類為正面、負面、中性?！笔纠?：推文（推特文字）的情感分析任務(wù)：確定推文的情緒指令：模型應(yīng)該將推文分類為正性?！笔纠?：面、中性提示公式：“對以下產(chǎn)品評論[插入評論]進行情緒分析，并將其分類為正面、負面、中性?！痹摷夹g(shù)可用于自然語言處理、客戶服務(wù)、市場研究。/Chapter22:Namedentityrecognitionprompts第22章：命名實體識別提示（第44頁）命名實體識別(NER)，該技術(shù)可識別、分類文本中的命名實體（例如人員、組織、位置、日期）。要在ChatGPT中使用，應(yīng)向模型提供一段文本，并要求模型識別、分類文本中的命名實體。提示應(yīng)當(dāng)關(guān)聯(lián)輸出，例如要識別的命名實體的類型（例如人員、組織、位置、日期）、任何特定要求或約束。【示例】示例1：新聞文章中的命名實體識別任務(wù)：識別和分類新聞文章中的命名實體指令：該模型應(yīng)當(dāng)識別和分類人員、組織、地點、日期提示公式：“對下面的新聞文章[插入文章]進行命名實體識別，并對人員、組織、地點、日期，進行識別、分類?！笔纠?：法律文件中的命名實體識別任務(wù)：識別和分類法律文件中的命名實體指令：該模型應(yīng)當(dāng)并對人員、組織、地點、日期，進行識別、分類。”示例3：識別和分類人員、組織、地點、日期提示公式：“對以下研究論文[插入論文]進行命名實體識別，并對人員、組織、地點、日期，進行識別、分類?！?Chapter23:Textclassificationprompts第23章：文本分類提示（第46頁）文本分類，允許模型將文本分類為不同層級、不同類別的技術(shù)。該技術(shù)對于自然語言處理、文本分析、情感分析，很有用。請務(wù)必注意，文本分類不同于情感分析，后者特別關(guān)注的點是，探明文本中表達出來的寬泛情緒、感知觀點。*（譯者注）探明文本是否表達了積極、消極、中性的情緒。情感分析通常用于客戶評論、社交媒體帖子、其他形式的文本，其中所表達的感知觀點很重要。要在ChatGPT中使用文本分類提示，應(yīng)向模型提供一段文本，并要求其根據(jù)預(yù)定義的類別、標(biāo)簽對其進行分類。提示還應(yīng)包括有關(guān)所需輸出的信息，例如類或類別的數(shù)量，以及任何特定要求或約束。提示示例及其公式：示例1：客戶評論的文本分類任務(wù)：將客戶評論分為不同的類別，例如電子產(chǎn)品、服裝和家具提示：模型應(yīng)該根據(jù)評論的內(nèi)容，對評論進行分類提示公式：“對以下顧客評論[插入評論]進行文本分類，根據(jù)內(nèi)容，將其分為電子、服裝、家具的不同類別?！笔纠?：新聞文章的文本分類任務(wù)：將新聞文章分類為不同的類別，例如體育、政治和娛樂提示：模型應(yīng)該根據(jù)文章的內(nèi)容對文章進行分類提示公式：“對以下新聞文章[插入文章]進行文本分類，根據(jù)內(nèi)容，將其分為體育、政治、娛樂的不同類別?！笔纠?：電子郵件的文本分類任務(wù)：將電子郵件分類為不同的類別，例如垃圾郵件、重要郵件或緊急郵件提示：模型應(yīng)該根據(jù)郵件的內(nèi)容和發(fā)件人對郵件進行分類提示公式：“對以下郵件[插入郵件]進行文本分類，根據(jù)內(nèi)容和發(fā)件人，將其分為垃圾郵件、重要郵件、緊急郵件的不同類別?！?emotionsvssentiment我翻譯為寬泛情緒、感知觀點，是參考了如下的解釋Emotionsareunfilteredandrawwhilesentimentismorestructured