Prompt Engineering ChatGPT Basics
1.0.0
？存储库中示例的文本是由Chatgpt生成的。
大型语言模型是对机器学习模型进行的，它们经过大量文本数据培训，以理解和生成类似人类的语言。这些模型使用深度学习技术（例如神经网络）来学习语言的模式和结构。培训过程涉及为模型提供大量文本数据，例如书籍，文章和网页，以了解语言的统计模式。
及时工程是设计和优化大型语言模型（LLM）以实现特定任务或目标的提示的过程。 LLM是强大的人工智能模型，可以生成类似人类的文本，并且及时工程对于确保模型产生准确和相关的响应至关重要。
提示工程涉及多个步骤，包括选择正确的提示，微调模型并测试输出。Clarity很重要，但显然不等于及时工程中的简短提示。提示可以简单或复杂，具体取决于手头的任务。
结果，及时工程是LLM开发的关键组成部分，对于确保模型产生准确和相关的响应至关重要。
零射击和少量及时的及时技术是使用人工智能生成文本的两种最流行和有效的方法。这些技术基于对少量数据训练语言模型的想法，然后使用它根据提示来生成文本。
零射击及时技术涉及使用预先训练的语言模型来生成文本，而无需任何其他培训。这意味着该模型已经接受了大量文本语料库的培训，并且可以以各种样式和格式生成文本。要使用零拍点，您只需向模型提供提示，它将根据对语言的理解生成文本。
另一方面，很少有弹性及时的技术涉及在使用少量数据之前对语言模型进行培训。这使模型可以学习与手头任务相关的特定模式和语言。要使用几个射击提示，您可以为模型提供少量的培训数据，然后使用它根据提示来生成文本。
零射击和少量及时的及时技术都具有其优势和缺点。零射击提示很快，易于使用，但它们可能并不总是生成与手头任务相关的文本。很少有射击提示需要更多的培训数据，但是它们可以更准确，并生成与任务更相关的文本。
总体而言，零射击和少量及时技术都是使用人工智能生成文本的强大工具。通过了解每种技术的优势和劣势，您可以选择最适合您需求的一种，并生成满足您特定要求的高质量文本。
温度参数是大型语言模型（LLMS）的关键方面，它决定了生成的文本中的随机性和创造力水平。它控制模型预测中的不确定性程度，从而使其产生更多多样化和多样化的产出。较高的温度值会导致更不可预测和想象力的响应，而较低的温度值会产生更保守和可预测的输出。
TOP_P是大语模型（LLMS）中用于控制生成文本多样性的参数。它确定选择生成文本中的下一个单词的概率阈值。 TOP_P值越高，生成的文本越多样化。相反，较低的TOP_P值将导致更可预测和重复的文本。
注意：一般建议是仅替换一个，而不是两者。
安装Openai Python库：
!pip install openai
需要使用您的帐户的秘密密钥配置库。您可以在此网站上找到它。
从GitHub克隆存储库：
$ git clone https://github.com/miraytopal/Prompt-Engineering-ChatGPT-Basics
您可以在此处访问我有关此主题的媒介文章。
论文：
