LLM prompt提示构造案例

这篇具有很好参考价值的文章主要介绍了LLM prompt提示构造案例。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

参考:
https://github.com/PlexPt/awesome-chatgpt-prompts-zh
LLM prompt提示构造案例,深度学习,prompt

吴恩达 prompt工程应用:
https://www.bilibili.com/video/BV1No4y1t7Zn
LLM prompt提示构造案例,深度学习,prompt文章来源地址https://www.toymoban.com/news/detail-530650.html

prompt构造案例代码

prompt = """文本分类任务:将一段用户给外卖服务的评论进行分类,分成好评或者差评。

下面是一些范例:

味道真不错 -> 好评
太辣了,吃不下都  -> 差评

请对下述评论进行分类。返回'好评'或者'差评',无需其它说明和解释。

xxxxxx ->

"""

def get_prompt(text):
    return prompt.replace('xxxxxx',text)


response, his = model.chat(tokenizer, get_prompt('味道不错,下次还来'), history=[])
print(response)

到了这里,关于LLM prompt提示构造案例的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 提示学习Prompt介绍

    为什么要用提示学习? 下游任务的目标与预训练的目标差距过大导致提升效果不明显,微调过程中依赖大量的监督语料 降低语义差异:预训练任务主要以(MLM)为主,而下游任务则重新引入新的训练参数,因此两个阶段的目标通常有较大差异; 避免过拟合:由于再Fine-tuni

    2023年04月22日
    浏览(58)
  • 【AIGC】一起学习prompt提示词(1/4)

    本来是参加CSDN提示词的话题活动,但是觉得一次写不完,于是准备写一个系列。 欢迎批评、点赞和关注我。 为了避免大家使用特殊工具,我以国内大模型典范,百度的文心一言(文心一格)作为范例和模板,来说说prompt提示词。 比如你知道文心一言App——“发现”栏目的

    2024年02月02日
    浏览(61)
  • 【AIGC】一起学习prompt提示词(4/4)【经典】【15种提示词技巧】

    写的时候并没有设计好,要做多少期,还是有始有终的比较好,为了方便阅读,我把之前的3期,改下名字,放到这里。 【AIGC】一起学习prompt提示词(1/4) 内容摘要:提示词是什么,百度文心一言的提示词是怎么定义的,创作中心如何玩。 【AIGC】一起学习prompt engineer提示词

    2024年02月20日
    浏览(73)
  • 【提示学习论文七】Visual Prompt Tuning论文原理

    这篇文章于2022年发表在ECCV(European Conference on Computer Vision),作者是Menglin Jia, Luming Tang,Bor-Chun Chen, Claire Cardie, Serge Belongie,Bharath Hariharan, Ser-Nam Lim。 VPT是一种有效的用于大规模Transformer的视觉微调,只需要在输入空间引入少量可训练参数,同时冻结backbone。 目前适应预训练模

    2024年01月17日
    浏览(62)
  • 【深度学习】实验05 构造神经网络示例

    神经网络是一种仿生学原理的机器学习算法,灵感来源于人脑的神经系统。它由多个神经元(或称为节点)组成,这些神经元通过连接权重形成复杂的网络结构,用来学习和提取输入数据的特征,并用于分类、回归、聚类等任务。 注明:该代码用来训练一个神经网络,网络拟

    2024年02月10日
    浏览(44)
  • LLM-TAP随笔——有监督微调【深度学习】【PyTorch】【LLM】

    提示学习 完成预测的三个阶段:提示添加、答案搜索、答案映射 提示添加 “[X] 我感到 [Z]” x = “我不小心错过了公共汽车。” x’ = “我不小心错过了公共汽车。我感到[Z]” 答案搜索 Z = {“太好了”,“好”,“一般”,“不好”,“糟糕”} 将给定提示 x ′ 而模型输出为

    2024年02月07日
    浏览(34)
  • 提示学习soft prompt浅尝,启发了p-tuing

    在高质量标注数据稀缺的工业界来说,少样本学习或者零样本学习的方法特别受欢迎,后面出现过一些少样本和零样本的方法,例如 对比学习和prompt 等,主流prompt的工作分为 离散型 和连续型模板。离散型主要还是 插入bert特殊的token 为主,连续型则是 插入数字token 。 离散

    2024年02月09日
    浏览(39)
  • 深度学习-Pytorch数据集构造和分批加载

    pytorch 目前在深度学习具有重要的地位,比起早先的caffe,tensorflow,keras越来越受到欢迎,其他的深度学习框架越来越显得小众。 数据分析 数据分析-Pandas如何转换产生新列 数据分析-Pandas如何统计数据概况 数据分析-Pandas如何轻松处理时间序列数据 数据分析-Pandas如何选择数据

    2024年01月25日
    浏览(53)
  • 【提示学习论文六】MaPLe: Multi-modal Prompt Learning论文原理

    这篇文章于2023年发表在CVPR(Conference on Computer Vision and Pattern Recognition),作者是Muhammad Uzair Khattak,Hanoona Rasheed,Muhammad Maaz,Salman Khan,Fahad Shahbaz Khan。 研究发现Clip的问题:在单个分支(语言或视觉)中使用prompt来调整表示是次优的,它不能在下游任务上灵活地动态调整两个

    2024年01月22日
    浏览(44)
  • AI提示词工程师/AIGC提示词工程师/prompt工程师/AI训练师学习路线图(元壤教育)

    系统学习,公众号搜索【元壤教育】开始学习吧 先窥全貌:Prompt工程师课程概述介绍 Prompt 工程师 优化工作流程 在 GPT 中编写提示词 文本到视觉 Midjourney prompts GPT-3.5/4 概述 GPT的未来 专家访谈 从概念开始:简单理解AIGC发展和产业机遇 AIGC的概念与起源 AIGC的发展三阶段 AIGC的

    2024年02月09日
    浏览(68)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包