ChatGPT火爆，最全prompt工程指南登GitHub熱榜，標星4.7k！

提示工程，可以說是玩轉ChatGPT、DALL·E 2等等這類AI模型的「必修課」。
但這個「提示」（prompt）具體要怎麼寫，多少都有些玄學在里面……
也難怪由此誕生的新職業——提示工程師，年薪已經達到了25萬-33萬美元。

就在前不久，一位來自斯坦福大學的華人本科生Kevin Liu，就通過prompt injection的方法，讓微軟ChatGPT搜索的全部prompt泄露。此后，更是掀起了一股調戲ChatGPT的熱潮。

而今天新發布在GitHub上的一個項目，整理了提示工程的指南、論文、講座和資源，堪稱史上最全prompt資料包。

項目地址：https：//github.com/dair-ai/Prompt-Engineering-Guide
憑借著一天近1k星的增長，這篇「提示工程指南」同時登上了GitHub Trending，和Hacker News熱榜。


指南內容
語言模型的輸出需要通過輸入的提示實現，但結果的品質取決于你為它提供多少信息。
隨著我們介紹越來越多的例子和提示工程的應用，你會注意到，一個提示通常會由幾種不同的元素構成：
指令：希望模型執行的具體任務或指示 背景：補充的外部或上下文信息，可以引導模型做出更好的反應 輸入數據：想要解決的輸入或問題 輸出指示：輸出的類型或格式

究竟該怎樣玩轉提示工程呢？GitHub上的這份指南，會提供很大的幫助。
這份指南包括演講、提示介紹、論文、工具和庫、數據集、博客和教程等讀物，總共6個部分。

50頁PPT，一小時超詳細講座在「講座」這部分，包含了長達一小時的視訊，代碼示例，以及一份配合講座的50頁PPT。
其中，視訊包含4個部分，分別是提示工程簡介、提供工程的技術、工具和應用程序、未來方向。
視訊和PPT都對prompt的定義做了詳細介紹：prompts是指為了實現特定任務，傳遞給語言模型的指令和上下文。
而提示工程是創建一組提示或問題的過程，用于引導用戶獲得自己期望的結果。

為什麼提示工程如此重要？
因為它對研究、發現很重要，能夠用來幫助測試大語言模型的各種極限，還能在大語言模型上的基礎上開發各種創新型的應用。


提示指南團隊開發的提示工程指南，主要由5部分構成：
簡介 基礎提示 文本歸納 問題回答 對話 代碼生成 推理 進階提示 few-shot提示 思想鏈（CoT）提示 zero-shot CoT 自洽性 生成知識提示 自動提示工程師（APE） 對抗性提示 忽略以前的指令 提示泄漏 越獄 其他 程序輔助的語言模型 ReAct 多模態CoT提示 圖提示

論文合集團隊每天都會更新有關提示工程的最新論文，并且每周都會將這些論文的摘要納入上述指南中。
比如，LeCun今年2月的新作「Augmented Language Models： a Survey 」就被收錄了進來。
具體來說，作者把論文分成了4個大類：
調查/概述 方法/技巧 應用 補充

工具資料包
數據集
博客、指南、教程和其他這部分主要是來自大佬們的經驗總結。

作者介紹
主導這個項目的Elvis Saravia，是DAIR.AI的聯合創始人。

他在台灣清華大學取得了信息系統與應用的碩士和博士學位。
在此之前，他在Meta AI擔任了2年技術產品營銷經理，并曾是NeurIPS研討會和NAACL 2019的程序委員會的成員。
從Linkedin上的經歷來看，這位朋友似乎也曾負責過LeCun一直心心念的Galactica。



[圖擷取自網路，如有疑問請私訊]

本篇	不想錯過? 請追蹤FB專頁!

喜歡這篇嗎？快分享吧！

前一頁 後一頁