learn prompting

comptoir d'apprentissage

Ce référentiel documente mes progrès sur un cours d'ingénierie rapide, axé sur le développement de techniques et de stratégies pour travailler avec la dernière génération de modèles de langue générale (LLM).

Arrière-plan

Avec la publication de Chatgpt, les LLM sont devenues de plus en plus courantes, révolutionnant la façon dont nous interagissons avec les systèmes d'IA. Avant Chatgpt, il y a eu plusieurs progrès notables dans la PNL qui ont jeté les bases de cette révolution, y compris le document "l'attention est tout ce dont vous avez besoin" de Vaswani et. al., Bert, GPT-2, GPT-3, T5, Roberta, Electra et Albert. Bien que ces progrès soient très importants, ils peuvent ne pas être largement connus du grand public. L'année 2023 marque un tournant dans l'adoption de masse de ces modèles à usage général dans diverses industries pour des tâches génératives. En tant que scientifique des données, l'apprentissage continu est un attribut clé, et rester à la pointe des techniques LLM est essentiel pour fournir des solutions optimalement viables à l'ère du traitement du langage naturel axé sur l'IA.

Objectif du cours

L'objectif principal de ce cours est d'acquérir une compréhension approfondie des techniques d'ingénierie rapide pour une interaction efficace avec les LLM. En maîtrisant ces stratégies, je vise à améliorer ma capacité à développer des solutions innovantes, efficaces et efficientes en utilisant la puissance du langage naturel.

Structure de référentiel

Ce référentiel est organisé dans les chapitres suivants:

1. ? Bases : Introduction à l'ingénierie rapide et aux techniques fondamentales
2. Applications de base : applications simples et pratiques de l'ingénierie rapide
3. ? ‍️ Intermédiaire : techniques de PE basées sur la recherche avec une complexité modérée
4. ? Invite appliquée : procédures de processus complets du processus PE contribué par les membres de la communauté
5. Applications avancées : applications puissantes et plus complexes de l'ingénierie rapide
6. ⚖️ Fiabilité : améliorer la fiabilité des modèles de grande langue (LLMS)
7. ? ️ Image Invite : ingénierie rapide pour les modèles de texte à l'image, tels que Dalle et la diffusion stable
8. ? Piratage rapide : techniques offensives et défensives pour le piratage rapide
9. ? Réglage invite : affiner les invites en utilisant des techniques basées sur le gradient
10. ? Divers : une collection de sujets et techniques supplémentaires liés à l'ingénierie rapide