趋近智
大型语言模型入门
章节 1: 了解大型语言模型
什么是人工智能？简单介绍
自然语言处理 (NLP) 简介
定义大型语言模型（LLMs）
LLM如何从文本数据中学习
LLM能完成的任务示例
大型语言模型的常见误解
章节 2: 大型语言模型的工作原理（简化版）
词语表示：分词和嵌入
预测下一个词：核心理念
训练数据规模的作用
理解模型参数
Transformer架构（高层）简介
语境如何影响生成
章节 3: 与大型语言模型沟通：提示词
什么是提示词？
基本提示技巧
明确给出指示
提供示例（少样本提示）
控制输出长度和格式
常见提示问题
练习：编写你的第一个提示
章节 4: 认识不同的大语言模型
基础模型概览
通用模型与专用模型对比
开放模型与封闭模型：有何不同？
理解模型大小与能力
模型使用方法：API与界面
章节 5: 使用预训练大语言模型
什么是预训练模型？
查找与选择大语言模型服务
通过网页界面交互
LLM API使用简介
发送您的第一个API请求
解释 LLM 响应
动手实践：简单的文本生成任务
明确给出指示
这部分内容有帮助吗？
- Prompt engineering, OpenAI, 2024 (OpenAI) - 官方指南，涵盖与大型语言模型有效交互的核心原则和技术，强调清晰度和结构化指令。
- Prompt Engineering for Large Language Models: A Comprehensive Survey, Weizhe Yuan, Shangqing Zhao, Shichao Wang, Yizhi Tang, Tao Chen, Qiang Li, Bo Li, Weicheng Ma, 2023 arXiv preprint arXiv:2309.11059 DOI: 10.48550/arXiv.2309.11059 - 一份全面的学术综述，介绍了提示工程的基本概念和各种方法，包括清晰提示设计的重要性。
- ChatGPT Prompt Engineering for Developers, Isa Fulford and Andrew Ng, 2023 (DeepLearning.AI) - 一门实用短期课程，提供设计有效提示的技术，重点关注清晰度、特异性以及获取结构化输出的方法。
- Prompt engineering best practices, Google AI for Developers, 2024 (Google) - 谷歌的指南，提供创建有效生成式人工智能模型提示的实用建议和推荐实践。