Prompt Engineering ChatGPT Basics
1.0.0
？存儲庫中示例的文本是由Chatgpt生成的。
大型語言模型是對機器學習模型進行的，它們經過大量文本數據培訓，以理解和生成類似人類的語言。這些模型使用深度學習技術（例如神經網絡）來學習語言的模式和結構。培訓過程涉及為模型提供大量文本數據，例如書籍，文章和網頁，以了解語言的統計模式。
及時工程是設計和優化大型語言模型（LLM）以實現特定任務或目標的提示的過程。 LLM是強大的人工智能模型，可以生成類似人類的文本，並且及時工程對於確保模型產生準確和相關的響應至關重要。
提示工程涉及多個步驟，包括選擇正確的提示，微調模型並測試輸出。 Clarity很重要，但顯然不等於及時工程中的簡短提示。提示可以簡單或複雜，具體取決於手頭的任務。
結果，及時工程是LLM開發的關鍵組成部分，對於確保模型產生準確和相關的響應至關重要。
零射擊和少量及時的及時技術是使用人工智能生成文本的兩種最流行和有效的方法。這些技術基於對少量數據訓練語言模型的想法，然後使用它根據提示來生成文本。
零射擊及時技術涉及使用預先訓練的語言模型來生成文本，而無需任何其他培訓。這意味著該模型已經接受了大量文本語料庫的培訓，並且可以以各種樣式和格式生成文本。要使用零拍點，您只需向模型提供提示，它將根據對語言的理解生成文本。
另一方面，很少有彈性及時的技術涉及在使用少量數據之前對語言模型進行培訓。這使模型可以學習與手頭任務相關的特定模式和語言。要使用幾個射擊提示，您可以為模型提供少量的培訓數據，然後使用它根據提示來生成文本。
零射擊和少量及時的及時技術都具有其優勢和缺點。零射擊提示很快，易於使用，但它們可能並不總是生成與手頭任務相關的文本。很少有射擊提示需要更多的培訓數據，但是它們可以更準確，並生成與任務更相關的文本。
總體而言，零射擊和少量及時技術都是使用人工智能生成文本的強大工具。通過了解每種技術的優勢和劣勢，您可以選擇最適合您需求的一種，並生成滿足您特定要求的高質量文本。
溫度參數是大型語言模型（LLMS）的關鍵方面，它決定了生成的文本中的隨機性和創造力水平。它控制模型預測中的不確定性程度，從而使其產生更多多樣化和多樣化的產出。較高的溫度值會導致更不可預測和想像力的響應，而較低的溫度值會產生更保守和可預測的輸出。
TOP_P是大語模型（LLMS）中用於控制生成文本多樣性的參數。它確定選擇生成文本中的下一個單詞的概率閾值。 TOP_P值越高，生成的文本越多樣化。相反，較低的TOP_P值將導致更可預測和重複的文本。
注意：一般建議是僅替換一個，而不是兩者。
安裝Openai Python庫：
!pip install openai
需要使用您的帳戶的秘密密鑰配置庫。您可以在此網站上找到它。
從GitHub克隆存儲庫：
$ git clone https://github.com/miraytopal/Prompt-Engineering-ChatGPT-Basics
您可以在此處訪問我有關此主題的媒介文章。
論文：
