能用AI
  • 🖐️快速了解 “能用AI”
  • 🖥️能用AI-学习中心
    • ChatGpt学习
      • ChatGpt是什么?
      • ChatGPT有哪些特点?
      • GPT带来了那些贡献?
      • GPT给人类带来了什么?
      • 如何利用GPT来提升工作效率?
    • Prompts提示词学习
      • [Prompts]提示词是什么?
      • [Prompts]提示词的基础示例
      • [Prompts]提示词的高级设计技巧
      • [Prompts]提示词大全(50)
  • 🛞基础教程
    • AI初级教程
    • 签到活动介绍
    • 对AI提问第一个问题
    • 创建一个工作流助手
  • 🤖进阶教程 - 工作流
    • 工作流概念
    • 测试与发布
    • 气泡-组件
      • 文本
      • 图片
      • 视频
      • 嵌入
      • 音频
      • 结束
    • 输入-组件
      • 文本
      • 按钮
      • 图片选择
      • 评分
    • 逻辑-组件
      • 设置变量
      • 条件
      • 重定向
      • 脚本
      • 类型机器人
      • 等待
      • 跳转
      • AB测试
    • 集成-组件
      • HTTP request
      • 电子邮件(暂未上架)
      • MoosAI
      • 知识库(暂未上架)
      • 二维码
    • 导入流程和导出流程
    • 工作流示例-json文件
    • 工作流示例-视频介绍
    • system user assistant的区别
  • 🌊工作流大全(欢迎投稿)
    • 🤩作品分享🤩
    • 编程类
      • 🧑‍🍼代码解释器
      • 👩‍🌾变量名生成器
      • 🤵代码转换器
      • 🕺数据库表设计
      • ⏱️Unix时间戳转换
    • 教育类
      • 🌏全能翻译君
      • 👨‍🎓翻译助手
    • 文案类
      • ✍️CSDN文章助手
    • 数据类
      • 👓数据比对助手
  • 💻API Key 使用教程
  • 👓定价及收费
    • 模型调用计费
    • 模型能力评估
  • ✨社区共建
    • 产品规划
      • v0.3.0-Bata - 2024.8.12
      • v0.2.0-Bata - 2024.8.5
      • v0.1.0-Bata - 2024.7.28
      • v0.3.1版本更新 - 2024年8月13日
    • 用户反馈
    • 官方交流渠道
  • 😆使用案例
    • 案例一
    • 案例二
    • 案例三
  • ❓常见问题
    • 能用AI 可以免费试用吗?
    • 什么是算力?
  • ⚽用户协议
    • 用户条款
    • 隐私条款
由 GitBook 提供支持
在本页

这有帮助吗?

  1. 能用AI-学习中心
  2. Prompts提示词学习

[Prompts]提示词是什么?

上一页Prompts提示词学习下一页[Prompts]提示词的基础示例

最后更新于9个月前

这有帮助吗?

☀︎人工智能提示词(prompt)是一种利用自然语言来指导或激发人工智能模型完成特定任务的方法。它是近年来在自然语言处理(NLP)领域兴起的一种新范式,也被称为“预训练-提示-预测”(pretrain-prompt-predict)。

✒︎人工智能提示词的出现,是受到了OpenAI公司开发的GPT-3模型的启发。GPT-3是一个基于Transformer架构的大规模预训练语言模型,拥有1750亿个参数,使用45TB的数据进行训练。GPT-3具有惊人的泛化能力,可以在零样本或少样本的情况下,通过给定自然语言的提示信息和任务示例,执行任何NLP任务,不需要对模型进行任何微调。

☔︎人工智能提示词的核心思想是,利用预训练模型已经学习到的大量知识和语言规律,通过设计合适的文本形式和内容,将下游任务的输入输出转化为预训练模型期望和擅长的形式,从而达到最佳的效果。例如,如果要让GPT-3进行情感分类任务,可以将输入句子后面加上一个模板,如“这句话表达了一个“X”的情感”,然后给出两个选项,如“正面”或“负面”,让模型预测“X”的值。这样就相当于将情感分类任务转化为了完形填空任务,而完形填空任务是GPT-3所擅长的。

✂︎人工智能提示词的优点是显而易见的。只要找到一个合适的提示词,就可以利用一个预训练模型完成多种任务,不需要对每个特定任务进行训练和微调。这样可以节省大量的时间、资源和数据,并且可以提升小样本学习甚至零样本学习的性能。

♨︎人工智能提示词的缺点也是存在的:首先,设计一个合适的提示词并不容易,需要有一定的技巧和艺术感,而且对于不同的模型、任务和数据可能需要不同的提示词。其次,提示词对于模型性能的影响很大,一点微小的差别可能导致结果完全不同。第三,提示词可能会引入一些偏见或误导,例如如果给出了错误或不恰当的提示信息或选项,可能会让模型产生错误或不恰当的输出。

⚽︎总之,人工智能提示词是一种新兴且有前景的方法,在NLP领域已经取得了一些令人瞩目的成果。随着预训练模型和自然语言理解技术的进步,人工智能提示词也会不断发展和完善,在未来可能会有更多的应用和创新。

🖥️