nuxt-typescript - 🐙提示工程的指南和资源

Created at: 2018-05-23 02:31:25

Language: JavaScript

编号: https://github.com/wagerfield/nuxt-typescript

License: MIT

提示工程指南

提示工程是一门相对较新的学科，用于开发和优化提示，以有效地将语言模型（LM）用于各种应用程序和研究主题。及时的工程技能有助于更好地了解大型语言模型（LLM）的功能和局限性。研究人员使用即时工程来提高LLM在各种常见和复杂任务（如问答和算术推理）上的能力。开发人员使用提示工程来设计与LLM和其他工具交互的强大而有效的提示技术。

出于对LLM开发的高度兴趣，我们创建了这个新的提示工程指南，其中包含与快速工程相关的所有最新论文，学习指南，讲座，参考资料和工具。

祝你提示愉快！

公告/更新

🔥我们在 2023 年 2 月 21 日在黑客新闻上达到了 #1
🎉提示工程讲座在这里上线
🎓我们在这里创建一组综合指南
📖新的深度教程即将推出！

加入我们的不和谐

在推特上关注我们

演讲

我们发布了一个 1 小时的讲座，全面概述了提示技术、应用程序和工具。

指南

以下是我们开发的一组关于快速工程的指南。指南正在进行中。

文件

以下是关于快速工程的最新论文（按发布日期排序）。我们每天都会更新，新论文也进来了。我们每周都会将这些论文的摘要纳入上述指南中。

调查/概述：
- 增强语言模型：调查（2023 年 2 月）
- 情境学习调查（2022 年 12 月）
- 迈向大语言模型中的推理：一项调查（2022 年 12 月）
- 大型语言模型的新兴能力（2022 年 6 月）
- 用于文本到图像生成的提示修饰符的分类（2022 年 4 月）
- 预训练、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）
方法/技术：
- 大型语言模型的思维链主动提示（2023 年 2 月）
- 超出你的要求：对应用程序集成大型语言模型的新型快速注入威胁的全面分析（2023 年 2 月）
- 通过定向刺激提示引导大型语言模型（2023 年 2 月）
- 上下文学习如何帮助提示调优？（2023 年 2 月）
- 使用语言模型进行半监督学习的可扩展提示生成（2023 年 2 月）
- 使用提示约束限制在开放文本生成中限制大型语言模型的功能（2023 年 2 月）
- 点菜提示调整（APT）：通过可组合提示组合不同的数据（2023 年 2 月）
- 图形提示：统一图神经网络的预训练和下游任务（2023 年 2 月）
- 大语言模型中的道德自我纠正能力（2023 年 2 月）
- SwitchPrompt：学习用于低资源域分类的特定领域门控软提示（2023 年 2 月）
- 评估离散提示的鲁棒性（2023 年 2 月）
- 情境学习的作文范例（2023 年 2 月）
- 让硬提示变得简单：用于提示调优和发现的基于梯度的离散优化（2023 年 2 月）
- 语言模型中的多模态思维链推理（2023 年 2 月）
- 大型语言模型很容易被不相关的上下文分散注意力（2023 年 2 月）
- 合成提示：为大型语言模型生成思维链演示（2023 年 2 月）
- 渐进式提示：语言模型的持续学习（2023 年 1 月）
- 批量提示：使用 LLM API 进行高效推理（2023 年 1 月）
- 演示-搜索-预测：为知识密集型 NLP 编写检索和语言模型（2022 年 12 月）
- 再三考虑，我们不要一步一步地思考！零镜头推理中的偏见和毒性（2022 年 12 月）
- 宪法 AI：来自 AI 反馈的无害性（2022 年 12 月）
- 分解复杂问题的连续提示（2022 年 12 月）
- 通过模型编写评估发现语言模型行为（2022 年 12 月）
- 结构化提示：将上下文学习扩展到 1，000 个示例（2022 年 12 月）
- PAL：程序辅助语言模型（2022 年 11 月）
- 大型语言模型是人类级别的提示工程师（2022 年 11 月）
- 忽略以前的提示：语言模型的攻击技术（2022 年 11 月）
- 机器生成的文本：威胁模型和检测方法的综合调查（2022 年 11 月）
- 通过上下文学习教授算法推理（2022 年 11 月）
- 通过自然语言推理增强预训练语言模型的自一致性和性能（2022 年 11 月）
- 问我任何事情：提示语言模型的简单策略（2022 年 10 月）
- 反应：语言模型中的协同推理和行动（2022 年 10 月）
- 提示 GPT-3 可靠（2022 年 10 月）
- 分解提示：解决复杂任务的模块化方法（2022 年 10 月）
- 语言模型是贪婪的推理者：思维链的系统形式分析（2022 年 10 月）
- 通过手工制作的对抗性示例评估预训练语言模型的敏感性（2022 年 9 月）
- 基于策略梯度的半结构化数学推理动态提示学习（2022 年 9 月）
- 提示器：从 8 个示例中进行少量镜头密集检索（2022 年 9 月）
- 文档提示：通过检索文档生成代码（2022 年 7 月）
- 关于使语言模型成为更好的推理者的进步（2022 年 6 月）
- 大型语言模型是零镜头推理者（2022 年 5 月）
- MRKL 系统：结合了大型语言模型、外部知识源和离散推理的模块化神经符号架构（2022 年 5 月）
- 使用基于生成提示的推理进行毒性检测（2022 年 5 月）
- 学习传输文本生成的提示（2022 年 5 月）
- 文本推理的少数镜头提示中解释的不可靠性（2022 年 5 月）
- 用于文本到图像生成的提示修饰符的分类（2022 年 4 月）
- 提示链接器：通过可视化编程链接大型语言模型提示（2022 年 3 月）
- 自洽性改善语言模型中的思维推理链（2022 年 3 月）
- 训练语言模型以遵循人工反馈的说明
- 重新思考演示的作用：是什么让情境学习发挥作用？（2022 年 2 月）
- 在大型语言模型中提示引出推理的思维链（2022 年 1 月）
- 展示你的作品：使用语言模型进行中级计算的暂存器（2021 年 11 月）
- 常识推理的生成知识提示（2021 年 10 月）
- 多任务提示训练可实现零镜头任务泛化（2021 年 10 月）
- 将教学提示重新构建为 GPTk 的语言（2021 年 9 月）
- 提示工程文本到图像生成模型的设计指南（2021 年 9 月）
- 让预训练的语言模型成为更好的少数镜头学习者（2021 年 8 月）
- 奇妙有序的提示以及在哪里可以找到它们：克服少数镜头提示顺序敏感性（2021 年 4 月）
- BERTese：学习与BERT交谈（2021年4月）
- 规模在参数高效提示调谐方面的强大功能（2021 年 4 月）
- 大型语言模型的提示编程：超越少数镜头范式（2021 年 2 月）
- 使用前校准：提高语言模型的少数镜头性能（2021 年 2 月）
- 前缀调整：优化生成连续提示（2021 年 1 月）
- 自动提示：使用自动生成的提示从语言模型中引出知识（2020 年 10 月）
- 语言模型是少数镜头学习者（2020 年 5 月）
- 我们怎么知道语言模型知道什么？（2020年7月）
应用：
- 像ChatGPT这样的生成式AI模型如何被（错误地）用于SPC实践、教育和研究？探索性研究（2023 年 2 月）
- 格林梦游仙境：提示工程与中途插图童话故事（2023 年 2 月）
- 标签提示：关系分类的有效基于提示的学习（2023 年 2 月）
- 语言模型交叉：通过少数镜头提示进行变异（2023 年 2 月）
- 用于说话人自适应视觉语音识别的深度神经网络的提示调优（2023 年 2 月）
- 大语言模型中的道德自我纠正能力（2023 年 2 月）
- 提示多模式仇恨模因分类（2023 年 2 月）
- 地点：用于社交对话综合的提示语言模型（2023 年 2 月）
- 常识意识提示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）
- 多语言法律判断预测的法律提示工程（2022年12月）
- 研究扩散模型中的提示工程（2022 年 11 月）
- 学会解释：通过科学问答的思想链进行多模态推理（2022 年 9 月）
- 与 Copilot 对话：探索使用自然语言解决 CS1 问题的提示工程（2022 年 10 月）
- 驾驶副驾驶和手札：高温、冷提示还是黑魔法？（2022 年 10 月）
- 从头开始编写情节预训练语言模型（2022 年 7 月）
收集：

工具和库

（按名称排序）

数据

（按名称排序）

博客、指南、教程和其他读物

（按名称排序）

如果你正在使用该指南进行工作，请引用我们如下：

@article{Saravia_Prompt_Engineering_Guide_2022,
author = {Saravia, Elvis},
journal = {https://github.com/dair-ai/Prompt-Engineering-Guide},
month = {12},
title = {{Prompt Engineering Guide}},
year = {2022}
}

如果你认为这里缺少某些内容，请随时打开 PR。始终欢迎反馈和建议。只需打开一个问题！

nuxt-typescript - 🐙提示工程的指南和资源

提示工程指南

公告/更新

目录

演讲

指南

文件

工具和库

（按名称排序）

数据

（按名称排序）

博客、指南、教程和其他读物

（按名称排序）

About

Author：wagerfield

热门帖子

热门github