附加阅读材料
(按名称排序)
- 2023 AI 指数报告 (在新标签页中打开)
- 使用GPT-3进行提示工程的3个原则 (在新标签页中打开)
- 关于大型语言模型需要了解的八件事 (在新标签页中打开)
- 生成语言模型的初学者友好指南 - LaMBDA 指南 (在新标签页中打开)
- 大型语言模型提示工程完整介绍 (在新标签页中打开)
- ChatGPT提示工程的通用框架 (在新标签页中打开)
- SEO 使用 ChatGPT 提示的指南 (在新标签页中打开)
- 任何人都可以设计！借助生成式AI的一点帮助 (在新标签页中打开)
- AI内容生成 (在新标签页中打开)
- AI的崛起催生了新的职位：提示工程师 (在新标签页中打开)
- AI安全、RLHF与自我监督 - Jared Kaplan | 斯坦福MLSys #79 (在新标签页中打开)
- Awesome Textual Instruction Learning Papers (在新标签页中打开)
- Awesome ChatGPT Prompts (在新标签页中打开)
- 最佳100+稳定扩散提示 (在新标签页中打开)
- 使用OpenAI API进行提示工程的最佳实践 (在新标签页中打开)
- 构建GPT-3应用程序 — 超越提示 (在新标签页中打开)
- AI真的能免受基于文本的攻击吗？ (在新标签页中打开)
- ChatGPT, AI 和 GPT-3 应用程序及使用案例 (在新标签页中打开)
- ChatGPT 提示 (在新标签页中打开)
- ChatGPT 插件合集 ⭐️ (非官方) (在新标签页中打开)
- ChatGPT3 提示工程 (在新标签页中打开)
- CMU高级自然语言处理2022：提示（在新标签页中打开）
- 常识作为暗物质 - Yejin Choi | 斯坦福 MLSys #78 (在新标签页中打开)
- 用你的文字创建图像 – Bing 图像生成器登陆新版 Bing (在新标签页中打开)
- Curtis64的提示要点集合 (在新标签页中打开)
- CS324 - 大型语言模型 (在新标签页中打开)
- CS 324 - 基础模型进展 (在新标签页中打开)
- CS224N: 深度学习自然语言处理 (在新标签页中打开)
- DALL·E 2 提示工程指南 (在新标签页中打开)
- DALL·E 2 预览版 - 风险与限制 (在新标签页中打开)
- DALLE Prompt Book (在新标签页中打开)
- DALL-E, 请再给我一个毕加索 (在新标签页中打开)
- 扩散模型：实用指南 (在新标签页中打开)
- 利用GPT-3提示 (在新标签页中打开)
- 探索提示注入攻击 (在新标签页中打开)
- 使用GPT-3的上下文学习进行非自然语言处理的推断：好的、坏的和神秘的 (在新标签页中打开)
- FVQA 2.0: 将对抗样本引入基于事实的视觉问答 (在新标签页中打开)
- 使用Cohere的生成式AI：第1部分 - 模型提示 (在新标签页中打开)
- 生成式人工智能：斯坦福HAI的视角 (在新标签页中打开)
- 看看这份新工作：充当AI聊天机器人心理学家的“提示工程师” (在新标签页中打开)
- 给GPT-3进行图灵测试 (在新标签页中打开)
- GPT-3 及更高版本 (在新标签页中打开)
- GPT3 和提示：快速入门 (在新标签页中打开)
- GPT-4 教程：如何与多个PDF文件聊天（约1000页的特斯拉10-K年度报告）（在新标签页中打开）
- 亲身体验Bing的新ChatGPT功能 (在新标签页中打开)
- 如何绘制任何东西 (在新标签页中打开)
- 如何获取不糟糕的图片 (在新标签页中打开)
- 如何让LLMs说真话 (在新标签页中打开)
- 如何完善你的AI生成器提示写作 (在新标签页中打开)
- 如何编写好的提示 (在新标签页中打开)
- 如果我在2023年开始提示工程：我的8个内部技巧 (在新标签页中打开)
- Bing Chat上的间接提示注入 (在新标签页中打开)
- GPT-3提示参数的交互式指南 (在新标签页中打开)
- ChatGPT简介 (在新标签页中打开)
- 人类反馈强化学习简介 (在新标签页中打开)
- 为提示工程辩护 (在新标签页中打开)
- JailBreaking ChatGPT: 你需要知道的一切 (在新标签页中打开)
- Long Context Prompting for Claude 2.1 (在新标签页中打开)
- 语言模型和提示工程：NLP中提示方法的系统调查 (在新标签页中打开)
- 语言模型行为：全面调查 (在新标签页中打开)
- 学习提示 (在新标签页中打开)
- 学习提示 (在新标签页中打开)
- LINGO : 视觉上消除自然语言指令的偏见以支持任务多样性 (在新标签页中打开)
- 使用ChatGPT制作PowerPoint演示文稿 (在新标签页中打开)
- 认识Claude：Anthropic的ChatGPT竞争对手 (在新标签页中打开)
- 提示编程方法 (在新标签页中打开)
- 模式崩溃的奥秘 (在新标签页中打开)
- NLP用于文本到图像生成器：提示分析 (在新标签页中打开)
- 深度学习与自然语言处理 CS224N/Ling284 - 第11讲：提示、指令微调和RLHF (在新标签页中打开)
- sw-yx的提示工程笔记 (在新标签页中打开)
- 关于复杂大型语言模型的陷阱（和优势） (在新标签页中打开)
- OpenAI Cookbook (在新标签页中打开)
- OpenAI 提示示例适用于多种应用 (在新标签页中打开)
- Pretrain, Prompt, Predict - NLP的新范式 (在新标签页中打开)
- 提示工程师：科技界最热门的职位？ (在新标签页中打开)
- Prompt Engineering by Lilian Weng (在新标签页中打开)
- Prompt Engineering 101 - 介绍与资源 (在新标签页中打开)
- 提示工程 201：高级提示工程和工具包 (在新标签页中打开)
- 提示工程101：自动完成、零样本、单样本和少样本提示 (在新标签页中打开)
- 提示工程 101 (在新标签页中打开)
- 提示工程 - 一个新职业？ (在新标签页中打开)
- Prompt Engineering by co:here (在新标签页中打开)
- 微软的提示工程 (在新标签页中打开)
- 提示工程：未来的职业 (在新标签页中打开)
- 在我们自己的文档上使用davinci-003进行提示工程以实现自动化支持（第一部分）（在新标签页中打开）
- 提示工程指南：如何设计完美的提示 (在新标签页中打开)
- GPT-3中的提示工程 (在新标签页中打开)
- 提示工程模板 (在新标签页中打开)
- GitHub的Prompt Engineering主题 (在新标签页中打开)
- 提示工程：2023年终极指南 [GPT-3 & ChatGPT] (在新标签页中打开)
- 提示工程：从文字到艺术 (在新标签页中打开)
- 使用OpenAI的GPT-3和其他LLMs进行提示工程 (在新标签页中打开)
- 针对GPT-3的提示注入攻击 (在新标签页中打开)
- 提示注入以读取秘密的OpenAI API密钥 (在新标签页中打开)
- 提示：更好地利用语言模型进行NLP任务 (在新标签页中打开)
- 提示用于少样本学习 (在新标签页中打开)
- NLP中的提示：基于提示的零样本学习 (在新标签页中打开)
- 使用语言模型的提示方法及其在弱监督中的应用 (在新标签页中打开)
- Gwern的提示作为编程 (在新标签页中打开)
- 为使用新AI驱动的Bing的沟通者提供提示 (在新标签页中打开)
- 逆向提示工程：为了乐趣而非利润 (在新标签页中打开)
- 检索多模态信息以增强生成：一项调查 (在新标签页中打开)
- 所以你想成为一名提示工程师：未来的关键职业 (在新标签页中打开)
- 模拟器 (在新标签页中打开)
- 从指令开始 (在新标签页中打开)
- 与机器对话：提示工程与注入 (在新标签页中打开)
- 科技界最热门的新工作：AI 耳语者。无需编程 (在新标签页中打开)
- The Book - Fed Honeypot (在新标签页中打开)
- The ChatGPT Prompt Book (在新标签页中打开)
- ChatGPT 列表的列表：包含 3000+ 提示、示例、用例、工具、API、扩展、失败案例和其他资源的集合 (在新标签页中打开)
- 本世纪最重要的职业技能 (在新标签页中打开)
- 语言之镜 (在新标签页中打开)
- The Waluigi Effect (mega-post) (在新标签页中打开)
- Bing AI辅助搜索的想法和印象 (在新标签页中打开)
- 释放你的创造力与生成式AI：学习如何构建创新产品！ (在新标签页中打开)
- 通过提示工程解锁创造力 (在新标签页中打开)
- 使用GPT-Eliezer对抗ChatGPT越狱 (在新标签页中打开)
- ChatGPT 在做什么……以及它为什么有效？ (在新标签页中打开)
- 为什么ChatGPT如此出色？ (在新标签页中打开)
- 【徹底解説】これからのエンジニアの必携スキル、プロンプトエンジニアリングの手引「Prompt Engineering Guide」を読んでまとめてみた (opens in a new tab)