Promptify

Indicar

Ingeniería rápida, resuelva los problemas de PNL con LLM y genere fácilmente diferentes indicaciones de tareas de PNL para modelos generativos populares como GPT, Palm y más con Prompty

Instalación

Con Pip

Este repositorio se prueba en Python 3.7+, Openai 0.25+.

Debe instalar indicación utilizando el comando pip

pip3 install promptify

o

pip3 install git+https://github.com/promptslab/Promptify.git

Recorrido rápido

Para usar inmediatamente un modelo LLM para su tarea NLP, proporcionamos la API Pipeline .

 from promptify import Prompter , OpenAI , Pipeline

sentence     =  """The patient is a 93-year-old female with a medical  				 
                history of chronic right hip pain, osteoporosis,					
                hypertension, depression, and chronic atrial						
                fibrillation admitted for evaluation and management				
                of severe nausea and vomiting and urinary tract				
                infection"""

model        = OpenAI ( api_key ) # or `HubModel()` for Huggingface-based inference or 'Azure' etc
prompter     = Prompter ( 'ner.jinja' ) # select a template or provide custom template
pipe         = Pipeline ( prompter , model )


result = pipe . fit ( sentence , domain = "medical" , labels = None )


### Output

[
    { "E" : "93-year-old" , "T" : "Age" },
    { "E" : "chronic right hip pain" , "T" : "Medical Condition" },
    { "E" : "osteoporosis" , "T" : "Medical Condition" },
    { "E" : "hypertension" , "T" : "Medical Condition" },
    { "E" : "depression" , "T" : "Medical Condition" },
    { "E" : "chronic atrial fibrillation" , "T" : "Medical Condition" },
    { "E" : "severe nausea and vomiting" , "T" : "Symptom" },
    { "E" : "urinary tract infection" , "T" : "Medical Condition" },
    { "Branch" : "Internal Medicine" , "Group" : "Geriatrics" },
]
 

Ejemplo de GPT-3 con NER, Multilabel, Tarea de generación de preguntas

Características ?

• Realice tareas de PNL (como NER y clasificación) en solo 2 líneas de código, sin requerir datos de capacitación
• Agregue fácilmente un disparo, dos disparos o pocos ejemplos de disparos al aviso
• Manejo de predicción fuera de los límites de LLMS (GPT, T5, etc.)
• La salida siempre se proporciona como un objeto Python (p. Ej., Diccionario) para un fácil análisis y filtrado. Esta es una gran ventaja sobre la producción generada por LLMS, cuya salida no estructurada y sin procesar dificulta el uso en negocios u otras aplicaciones.
• Ejemplos y muestras personalizadas se pueden agregar fácilmente a la solicitud
• ? Ejecute una inferencia en cualquier modelo almacenado en el HuB Huggingface (consulte la guía del cuaderno).
• Indicaciones optimizadas para reducir los costos de token de OpenAI (próximamente)

Apoyo a la amplia gama de tareas de PNL basadas en el aviso:

Nombre de la tarea	Cuaderno de colab	Estado
Reconocimiento de entidad nombrado	Ejemplos ner con GPT-3	✅
Clasificación de texto de múltiples etiquetas	Ejemplos de clasificación con GPT-3	✅
Clasificación de texto de clase múltiple	Ejemplos de clasificación con GPT-3	✅
Clasificación de texto binario	Ejemplos de clasificación con GPT-3	✅
Respuesta de la pregunta	Ejemplos de tareas de control de calidad con GPT-3	✅
Generación de respuesta de pregunta	Ejemplos de tareas de control de calidad con GPT-3	✅
Relación-extracción	Ejemplos de extracción de relación con GPT-3	✅
Resumen	Ejemplos de tareas de resumen con GPT-3	✅
Explicación	Explicación Ejemplos de tareas con GPT-3	✅
Escritor de SQL	Ejemplo de escritor de SQL con GPT-3	✅
Datos tabulares
Datos de imágenes
Más indicaciones

Documento

Indicar documentos

Comunidad

Si está interesado en la ingeniería rápida, LLMS, CHATGPT y otras últimas discusiones de investigación, considere unirse a PridSlab

@misc{Promptify2022,
  title = {Promptify: Structured Output from LLMs},
  author = {Pal, Ankit},
  year = {2022},
  howpublished = {url{https://github.com/promptslab/Promptify}},
  note = {Prompt-Engineering components for NLP tasks in Python}
}

? Que contribuye

Agradecemos cualquier contribución a nuestro proyecto de código abierto, incluidas nuevas características, mejoras en la infraestructura y una documentación más completa. Consulte las pautas de contribución