文章列表-AI魔法学院

文章列表

ChatGPT提示工程5篇合集(二)：ChatGPT提示工程 - 总结

用于总结的内容，摘自《百岁人生》一书，内容如下：现在，在发展中国家，如今出生的孩子可以活到100岁的会相对较少。

prompt 提示词

GitHub上很火的RPA框架：一款用于验收测试和 RPA 的通用自动化框架robotframework

5.强大的报告和日志功能：Robot Framework 生成详细的测试报告和日志，可以帮助用户分析测试结果和问题定位。

RPA框架自动化

让ChatGPT帮我写SQL

https://github.com/whoiskatrin/sql-translator.git //安装依赖 cd sql-translato rnpm install //生成应用程序

SQL

职场及工作中常用的方法论总结

情景：事情发生的背景和环境；　　任务：承担的任务或职责；　　行动：为了实现目的采取的措施；　　结果：最终得到的成果；　　学会STAR法则可以帮助我们更好的表达，让别人更好的接受。

工作

ChatGPT Prompt提示词课程（斯坦福吴恩达 | OpenAl）指南篇极简笔记

以及所需要包含的关键内容等 3、要求模型检查是否满足条件例：”xxxx“，整理上述文字，并一步一步进行重写，如果原文字不包含步骤，则写明“未提供相应步骤” 4、少量提示词即，在要求模型执行之前，先提供成功的任务案例

prompt 大模型

Prompt工程如此强大，我们还需要模型训练吗？

5.人类在模型能力之上发挥增量价值，是否就是集中在更加抽象的概念和逻辑、规律、联结这类“核心知识”的生成

大模型

最详细的文本分块(Chunking)方法——可以直接影响基于LLM应用效果

这个真正难题我在前面的文章中《一些LLM的声音总结》中提到过，基于大模型的企业应用中很大一部分需求就是RAG——检索增强生成。

RAG 大模型

国内法律类大模型介绍

; * 基础模型：ChatLAW-13B * 数据：论文、新闻、法规、司法解释、法律咨询、法考题、判决文书组成，

法律大模型

链接大模型与外部知识，智源开源最强语义向量模型BGE

此外，BGE 保持了同等参数量级模型中的最小向量维度，使用成本更低。

embedding 语义向量

大语言模型微调：定制自己的微调数据集

尽管有研究表明重复数据并不降低模型的质量，但是重复冗余的数据会增加额外的微调成本。

大模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

其三是合成得到的监督数据，利用GPT3.5为来自Wiki跟MC4的长文本生成对应的问题，用于缓解模型在长文档检索任务的不足，同时引入额外的多语言数据。

BGE M3-Embedding 多语音检索

会“追问”的Agent，大模型知识库另类实践

在实际的生产环境中，此类知识库应用可能遇到两类问题：知识型和政策型（图1）。

大模型

如何看待大型语言模型的Prompt

他们发现，生成的嵌入空间不仅能捕捉语义相似性，还具有某种形式的涌现学习能力——它能够执行“词算术”，这是它未经训练就能做到的事情。

prompt 大语言模型

baichuan2 有什么好的深挖论文中涉及的知识点

随着 ChatGPT 的发布，这些模型生成类似人类文本的能力引起了广泛关注。

大模型

回归分析：探索变量之间的奥秘

无论在哪个领域，经济学、生物学、医学还是社会科学，回归分析都发挥着至关重要的作用，成为指引我们前进的明灯。

回归分析变量

<...88 89 90 919293 94 95 96 97 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1