当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 重磅!OpenAI官方发布了GPT的最佳实践指示

重磅!OpenAI官方发布了GPT的最佳实践指示

来源:51CTO.COM 2023-06-09 14:27:52 0浏览 收藏

科技周边小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《重磅!OpenAI官方发布了GPT的最佳实践指示》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!

官方发布了一个GPT提示词的最佳实践指南,主要包括六个方面的优化策略,而且每个策略给出了相应的案例

策略1:写清楚说明

GPT 对您想要什么的猜测越少,您获得它的可能性就越大。

比如:如果输出太简单,请要求专家级的写作。

还列举了一些具体的例子:

  • 在您的查询中包含详细信息以获得更相关的答案
  • 要求模特采用角色
  • 使用定界符清楚地指示输入的不同部分
  • 指定完成任务所需的步骤
  • 提供例子
  • 指定所需的输出长度

策略2:提供参考文本

GPT 可以自信地编造假答案,尤其是当被问及深奥的话题或引用和 URL 时。就像一张笔记可以帮助学生在考试中取得更好的成绩一样,为 GPT 提供参考文本可以帮助以更少的捏造来回答。

  • 指示模型使用参考文本回答
  • 指示模型使用参考文本中的引用来回答

策略3:将复杂任务拆分为更简单的子任务

就像在软件工程中将复杂系统分解成一组模块化组件一样,将任务提交给GPT也是一个不错的做法。

复杂的任务往往比简单的任务有更高的错误率。

此外,复杂的任务通常可以重新定义为更简单任务的工作流,其中早期任务的输出用于构建后续任务的输入。

  • 使用意图分类来识别与用户查询最相关的指令
  • 对于需要很长对话的对话应用,总结或过滤之前的对话
  • 分段总结长文档并递归构建完整摘要

策略4:给 GPT 时间“思考”

即使您不立刻知道如何计算17乘以28,随着时间的推移仍然可以进行计算。GPT在尝试迅速回答问题而不是耗费时间寻找答案时,会产生更多的推理错误。在回答之前询问一系列推理可以帮助 GPT 更可靠地推理出正确答案。

  • 在匆忙下结论之前指示模型制定出自己的解决方案
  • 使用内心独白或一系列查询来隐藏模型的推理过程
  • 询问模型是否遗漏了之前传递的任何内容

策略5:使用外部工具

通过为 GPT 提供其他工具的输出来弥补它们的弱点。

例如,文本检索系统可以将相关文档告知 GPT。代码执行引擎可以帮助 GPT 进行数学运算和运行代码。如果使用工具能够更可靠或更有效地完成一项任务,那么可以卸载 GPT 并充分利用工具的优势。

使用基于嵌入的搜索来实现高效的知识检索

使用代码执行来执行更准确的计算或调用外部 API

策略6:系统地测试更改

如果可以衡量,提高绩效会更容易。在某些情况下,对提示的修改会在一些孤立的示例上获得更好的性能,但会导致在更具代表性的示例集上的整体性能变差。为了确保更改对性能带来正面影响,可能需要定义一个全面的测试套件(也称为“评估”)。

到这里,我们也就讲完了《重磅!OpenAI官方发布了GPT的最佳实践指示》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于代码,GPT的知识点!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
AI生成马斯克婴儿照被疯传,本尊回应:可能吃太多抗衰老物质了AI生成马斯克婴儿照被疯传,本尊回应:可能吃太多抗衰老物质了
上一篇
AI生成马斯克婴儿照被疯传,本尊回应:可能吃太多抗衰老物质了
赋能万物·智领未来!机智云物联网亮相2023物联网+智慧生活创新应用论坛
下一篇
赋能万物·智领未来!机智云物联网亮相2023物联网+智慧生活创新应用论坛
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    436次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    511次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    526次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    469次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    296次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码