提示示例
前一节介绍了如何使用提示来触发大型语言模型(LLMs)的基本示例。
本节将提供更多示例,演示如何使用提示来完成不同的任务,并介绍关键概念。通常,学习概念的最佳方式是通过示例。以下是几个示例,说明了如何使用精心设计的提示来执行不同类型的任务。
主题:
文本摘要
自然语言生成中的标准任务之一是文本摘要。文本 摘要可以涵盖许多不同的风格和领域。事实上,语言模型最有前途的应用之一是将文章和概念总结为快速易读的摘要。让我们尝试使用提示进行基本的摘要任务。
假设你有兴趣了解抗生素,你可以尝试这样的提示:
提示:
解释抗生素
A:
输出:
抗生素是一种用于治疗细菌感染的药物。它们通过杀死细菌 或阻止细菌繁殖的方式起作用,使身体的免疫系统能够抵抗感染。抗生素通常以口服药片、胶囊或液体溶液的形式服用,有时也通过静脉注射给药。它们对病毒感染无效,不当使用可能导致抗生素耐药性。
"A:" 是一种显式提示格式,用于在问答中使用。在这里使用它是为了告诉模型后面期望有一个答案。在这个示例中,目前还不清楚如何使用它是否有用,但我们将在后面的示例中留下这个问题。我们假设这里提供的信息太多,你想进一步进行摘要。事实上,你可以指示模型进行进一步的摘要,总结成一句话,如下所示:
提示:
抗生素是一种用于治疗细菌感染的药物。它们通过杀死细菌或阻止细菌繁殖的方式起作用,使身体的免疫系统能够抵抗感染。抗生素通常以口服药片、胶囊或液体溶液的形式服用,有时也通过静脉注射给药。它们对病毒感染无效, 不当使用可能导致抗生素耐药性。
用一句话解释上述内容:
输出:
抗生素是用于治疗细菌感染的药物,通过杀死细菌或阻止其繁殖,但对病毒无效,过度使用会导致抗生素耐药性。
不要过分关注上述输出的准确性,这是我们将在后面的指南中讨论的内容,模型试图用一句话总结段落。你可以在指示上下功夫,但我们将把这留到后面的章节。随时暂停并尝试,看看是否能得到更好的结果。
信息提取
虽然语言模型经过训练可执行自然语言生成和相关任务,但它也非常擅长执行分类和一系列其他自然语言处理(NLP)任务。
以下是一个从给定段落中提取信息的提示示例。
提示:
在研究论文中,作者贡献声明和致谢应清楚明确地说明作者在撰写手稿和分析过程中是否以及在何种程度上使用了 ChatGPT 等人工智能技术。他们还应指出使用了哪些LLMs。这将提醒编辑和审稿人更仔细地审查手稿,以防潜在的偏见、不准确和不当的来源引用。同样,科学期刊在选择提交的手稿时,应透明地披露他们对LLMs的使用。
提及段落中提到的大型语言模型产品: