Prompt engineering All you need Cn下載 - Prompt engineering All you need Cn源代碼下載

Prompt engineering All you need Cn

Ai源碼

1.0.0

下載

提示工程

提示工程是一门相对较新的学科，旨在开发和优化提示，以有效地使用语言模型（LMs）用于各种应用和研究课题。提示工程技能有助于更好地了解大型语言模型（LLMs）的功能和局限性。

提示工程可用来提高 LLMs 在各种常见和复杂任务（如问答和算术推理）上的能力，设计与 LLMs 和其他工具接口的稳健有效的提示技术。

受到开发 LLM 的高度兴趣的推动，创建了这提示工程指南材料集合，其中包含了所有与提示工程相关的最新论文、学习指南、讲座、参考资料和工具。 (暂时我会每三天更新)

目前大部分的内容翻译於 dair-ai (https://github.com/dair-ai/Prompt-Engineering-Guide)

dair-ai 笔记本和幻灯片皆包含其中。
dair-ai 的Discord 和 dair-ai 的推特
平台 (体验过推荐的)
- LangChain - 将LLM与其他计算或知识来源相结合
- LlamaIndex - 轻松将 LLM 与您的外部数据连接起来，消除对提示大小限制的担忧。
- Lexica - Stable diffusion的搜索引擎
- PromptPerfect - 提示优化器，专为大型语言模型 (LLM)、大型模型 (LM) 和 LMOps 设计。
- PromptHero - 提示搜寻平台，可通过高质素的 AI 生成图像，回溯用家所输入的提示。
- Promptbase - 买卖「提示」平台，提示工程师靠出售专业提示获取收益，每个售价由 1.99 美元到 5 美元不等，平台可从每宗交易得到 20% 分成，但平台终究不能阻止买家免费公开「提示」
- Prompt Engine - 这个 repo 包含一个 NPM 实用程序库，用于创建和维护大型语言模型 (LLM) 的提示。
- promptly - 为提示编写和运行测试并自信地部署更改。
- Saxifrage - 视觉提示生成器

指南

以下是dair-ai 开发的提示工程指南。 dair-ai 指南正在研发中。(暂时我会每三天更新)

Prompt Engineering - Introduction
Prompt Engineering - Basic Prompting
Prompt Engineering - Advanced Prompting
Prompt Engineering - Applications
Prompt Engineering - ChatGPT
Prompt Engineering - Adversarial Prompting
Prompt Engineering - Reliability
Prompt Engineering - Miscellaneous Topics

教学

dair-ai 1 小时的讲座，提供了对提示技术，应用程序和工具的全面概述。
- 视频讲座
- 带有代码的笔记本
- 幻灯片

工具和库

(按名称排序 Sorted by Name)

AI 测试厨房
更好的提示
DreamStudio
DUST
Dyno
EveryPrompt
GPT 索引
GPTTools
hwchase17/对抗性提示
交互式作曲探索器
LangChain
LearnGPT
Lexica
织轴
Metaprompt
OpenAI playground
OpenPrompt
Playground
Prodia
Prompt Base
Prompt Engine
OpenAI 的 DALL-E 2 的提示生成器
Promptable
PromptInject
Prompts.ai
PromptSource
Scale SpellBook
sharegpt
ThoughtSource
可视提示构建器

数据集

(按名称排序 Sorted by Name)

Anthropic 的 Red Team 数据集, (paper)
Awesome ChatGPT 提示
DiffusionDB
Midjourney Prompts
P3 - 公共提示池
PartiPrompts
Real Toxicity Prompts
Stable Diffusion Dataset
WritingPrompts

论文

以下是关于提示工程的最新论文（按发布日期排序）。我们每天更新这些论文，并添加新的论文。我们每周都会将这些论文的摘要添加到上面的指南中：

调查/概述 Surveys / Overviews：
- 增强语言模型的探索（2023 年 2 月）
- 上下文学习调查（2022 年 12 月）
- 朝着大型语言模型的推理：一项调查（2022 年 12 月）
- 大型语言模型的新兴能力（2022 年 6 月）
- 文本到图像生成的提示修饰器分类（2022 年 4 月）
- 训练、提示和预测：自然语言处理中提示方法的系统调查（2021 年 7 月）
技术/方法 Approaches/Techniques：
- 可扩展的语言模型半监督学习提示生成（2023 年 2 月）
- 通过提示约束界定大型语言模型在开放文本生成中的能力范围（2023 年 2 月）
- À-la-carte Prompt Tuning（APT）：通过可组合的提示结合不同的数据（2023 年 2 月）
- GraphPrompt：图形神经网络的预训练和下游任务的统一（2023 年 2 月）
- 大型语言模型在道德自我纠正中的能力（2023 年 2 月）
- SwitchPrompt：为低资源域中的分类学习领域特定的门控软提示（2023 年 2 月）
- 评估离散提示的鲁棒性 (Feb 2023)
- 上下文学习的组合示例 (Feb 2023)
- 硬提示变得容易：基于梯度的离散优化用于提示调整和发现 (Feb 2023)
- 多模态连锁思维推理在语言模型中 (Feb 2023)
- 大型语言模型容易被无关的上下文分散注意力 (Feb 2023)
- 合成提示：为大型语言模型生成思维演示 (Feb 2023)
- 渐进提示：语言模型的持续学习 (Jan 2023)
- 批处理提示：LLM API 的高效推理 (Jan 2023)
- 再想想，让我们不要一步一步地思考！零点推理中的偏见和毒性 (Dec 2022)
- 宪政 AI：来自 AI 反馈的无害性 (Dec 2022)
- 连续提示：解决复杂问题 (Dec 2022)
- 通过模型编写的评估发现语言模型行为 (Dec 2022)
- 结构提示：将上下文学习扩展至 1000 个例子 (Dec 2022)
- PAL：程序辅助语言模型 (Nov 2022)
- 大型语言模型是人类级别的提示工程师 (Nov 2022)
- 忽略先前提示：语言模型的攻击技术 (Nov 2022)
- 机器生成文本：威胁模型和检测方法的综合研究 (Nov 2022)
- 通过上下文学习教授算法推理 (Nov 2022)
- 通过自然语言推理增强预训练语言模型的自我一致性和性能 (Nov 2022)
- 随便问问：提示语言模型的简单策略 (Oct 2022)
- ReAct：在语言模型中协同推理和行动 (Oct 2022)
- 提示 GPT-3 可靠 (Oct 2022)
- 分解提示：解决复杂任务的模块化方法 (Oct 2022)
- 语言模型是贪婪的推理者：思路链的系统形式分析 (Oct 2022)
- 通过手工设计的对抗性例子评估预先训练语言模型的易感性（2022 年 9 月）
- Promptagator：从 8 个例子中获取少量的密集检索（2022 年 9 月）
- 推动语言模型变得更好的推理者（2022 年 6 月）
- 大型语言模型是零点推理者（2022 年 5 月）
- MRKL 系统：一种模块化的神经符号架构，结合大型语言模型，外部知识源和离散推理（2022 年 5 月）
- 通过生成提示的毒性检测（2022 年 5 月）
- 学习转移提示以用于文本生成（2022 年 5 月）
- 少量提示的文本推理说明的不可靠性（2022 年 5 月）
- 用于文本到图像生成的提示修改器分类（2022 年 4 月）
- PromptChainer：通过可视化编程链接大型语言模型提示（2022 年 3 月）
- 自我一致性提高语言模型的思路链推理（2022 年 3 月）
- 使用人类反馈训练语言模型以执行指令
- 重新审视示范的作用：什么使上下文学习成功？（2022 年 2 月）
- 想法链接提示引发大型语言模型的推理（2022 年 1 月）
- 展示你的工作：与语言模型中间计算的暂存器（2021 年 11 月）
- 基于生成知识提示的常识推理（2021 年 10 月）
- 多任务提示训练可实现零射击任务泛化 (Oct 2021)
- 重构指令提示以适应 GPTk 的语言 (Sep 2021)
- 文本到图像生成模型的设计准则 (Sep 2021)
- 使预训练语言模型成为更好的少样本学习器 (Aug 2021)
- 神奇有序的提示及其位置：克服少量提示顺序敏感性 (April 2021)
- BERTese：学会与 BERT 交谈 (April 2021)
- 参数有效的提示调整的规模之力 (April 2021)
- 大型语言模型的提示编程：超越少量提示范式 (Feb 2021)
- 使用前校准：提高语言模型的少样本性能 (Feb 2021)
- 前缀调整：优化用于生成的连续提示 (Jan 2021)
- AutoPrompt：通过自动生成的提示从语言模型中提示知识 (Oct 2020)
- 语言模型是少量学习者 (May 2020)
- 我们如何知道语言模型知道什么？ (July 2020)
应用 Applications：
- 格林童话：使用 Midjourney 进行提示工程以诠释童话故事 (2023 年 2 月)
- LabelPrompt：有效的基于提示的关系分类学习 (2023 年 2 月)
- 深度神经网络的提示调整，用于说话人适应的视觉语音识别 (2023 年 2 月)
- 大型语言模型中的道德自我纠正能力 (2023 年 2 月)
- 多模态仇恨 Meme 分类的提示 (2023 年 2 月)
- PLACES：提示语言模型以合成社交对话 (2023 年 2 月)
- 基于常识的提示，用于可控的移情对话生成 (2023 年 2 月)
- 爬取语言模型的内部知识库 (2023 年 1 月)
- 法律提示工程，用于多语言法律判断预测 (2022 年 12 月)
- 探索扩散模型中的提示工程 (2022 年 11 月)
- 学习解释：通过思维链进行多模态推理，用于科学问题解答 (2022 年 9 月)
- 与 Copilot 交谈：探索使用自然语言解决 CS1 问题的提示工程 (2022 年 10 月)
- 驾驶 Copilot 和 Codex：高温、低提示，还是黑魔法？ (2022 年 10 月)
- 从头开始编写情节预训练语言模型 (2022 年 7 月)
集合 Collections：
- 思维链论文
- 带代码的论文
- 提示论文

博客、指南、教程和其他文章

(按名称排序 Sorted by Name)

3 Principles for prompt engineering with GPT-3
A beginner-friendly guide to generative language models - LaMBDA guide
A Complete Introduction to Prompt Engineering for Large Language Models
A Generic Framework for ChatGPT Prompt Engineering
AI Content Generation
Awesome ChatGPT Prompts
Best 100+ Stable Diffusion Prompts
Best practices for prompt engineering with OpenAI API
Building GPT-3 applications — beyond the prompt
ChatGPT, AI and GPT-3 Apps and use cases
CMU Advanced NLP 2022: Prompting
Curtis64's set of prompt gists
DALL·E 2 Prompt Engineering Guide
DALL·E 2 Preview - Risks and Limitations
DALLE Prompt Book
DALL-E, Make Me Another Picasso, Please
Diffusion Models: A Practical Guide
Exploiting GPT-3 Prompts
Exploring Prompt Injection Attacks
Extrapolating to Unnatural Language Processing with GPT-3's In-context Learning: The Good, the Bad, and the Mysterious
Generative AI with Cohere: Part 1 - Model Prompting
Giving GPT-3 a Turing Test
GPT3 and Prompts: A quick primer
How to Draw Anything
How to get images that don't suck
How to write good prompts
Introduction to Reinforcement Learning with Human Feedback
In defense of prompt engineering
Language Models and Prompt Engineering: Systematic Survey of Prompting Methods in NLP
Learn Prompting
Methods of prompt programming
Mysteries of mode collapse
NLP for Text-to-Image Generators: Prompt Analysis
NLP with Deep Learning CS224N/Ling284 - Lecture 11: Promting, Instruction Tuning, and RLHF
Notes for Prompt Engineering by sw-yx
OpenAI Cookbook
OpenAI Prompt Examples for several applications
Pretrain, Prompt, Predict - A New Paradigm for NLP
Prompt Engineering 101 - Introduction and resources
Prompt Engineering 101: Autocomplete, Zero-shot, One-shot, and Few-shot prompting
Prompt Engineering 101
Prompt Engineering - A new profession ?
Prompt Engineering by co:here
Prompt Engineering by Microsoft
Prompt Engineering: The Career of Future
Prompt engineering davinci-003 on our own docs for automated support (Part I)
Prompt Engineering Guide: How to Engineer the Perfect Prompts
Prompt Engineering in GPT-3
Prompt Engineering Template
Prompt Engineering Topic by GitHub
Prompt Engineering: From Words to Art
Prompt Engineering with OpenAI's GPT-3 and other LLMs
Prompt injection attacks against GPT-3
Prompt injection to read out the secret OpenAI API key
Prompting in NLP: Prompt-based zero-shot learning
Prompting Methods with Language Models and Their Applications to Weak Supervision
Prompts as Programming by Gwern
Reverse Prompt Engineering for Fun and (no) Profit
So you want to be a prompt engineer: Critical careers of the future
Simulators
Start with an Instruction
Talking to machines: prompt engineering & injection
the Book - Fed Honeypot
The ChatGPT Prompt Book
Using GPT-Eliezer against ChatGPT Jailbreaking
What Is ChatGPT Doing … and Why Does It Work?