1.通义千问开源320亿参数模型
2.Al视频理解模型MiniGPT4-Video发布
3.信雅达大模型智能问答产品发布
4.长视频生成模型StreamingT2V发布
5.谷歌推出Gemma1.1版本多轮对话质量提高
6.马斯克的xAl公司洽谈30亿美元融资
7.Cohere推出RAG优化的大模型CommandR+
点关注 不迷路大模型提示词(Prompt)对于使用大型语言模型（LLM）具有至关重要的意义。这些提示词能够引导LLM生成与用户需求相符的回答，提高生成内容的相关性和准确性。通过精心设计提示词，用户可以更好地控制LLM的输出，使其满足特定场景和任务的需求。此外，提示词还能帮助LLM理解上下文信息，从而在对话中保持一致性并确保生成内容的连贯性。总之，正确使用大模型提示词对于充分发挥LLM的作用至关重要。
使用 OpenAI API 进行提示工程的最佳实践如何给 OpenAI 模型清晰有效的指导? 了解提示工程的原理由于OpenAI模型的训练方式，有一些特定的提示格式工作得特别好，并导致更有用的模型输出。 OpenAI的官方提示工程指南通常是提示技巧的最佳起点。 下面我们将介绍一些我们认为效果不错的提示格式，但请随意探索不同的格式，以更好地适应您的任务。 注意:"{文本输入}"是一个文本(上下文)占位符 1.使用最新版本LLM为了获得最佳效果，我们通常建议使用最新、功能最强的模型。较新的模型提示工程往往更容易。 2.将指令放在提示词的开头，并使用###或"""分隔指令和上下文较差❌: 把下面的文章总结为一个最重要的要点列表。
{文本输入}
较好✅: 把下面的文章总结为一个最重要的要点列表。
文本:"""
{文本输入}
"""
3.尽可能具体、描述和详细地描述期望的背景、结果、长度、格式、风格等。具体说明背景、结果、长度、格式、风格等 较差❌: 写一首关于OpenAI的诗。
较好✅: 以{著名诗人}的风格，写一首关于OpenAI的鼓舞人心的短诗，专注于最近的DALL-E产品发布(DALL-E是一个文本到图像的ML模型)。
4.通过示例清晰地表达所需的输出格式较差❌: 提取下面文本中提到的实体。抽取以下4种实体类型:公司名称、人物名称、特定主题和主题。
文本:{Text}
显示，并告诉-当显示特定的格式要求时，模型的反应会更好。这也使得更容易通过编程可靠地解析出多个输出。 较好✅: 提取下面文本中提到的重要实体。首先提取所有公司名称，然后提取所有人的名称，然后提取适合内容的特定主题，最后提取总体主题
期望格式:
公司名称:<comma_separated_list_of_company_names>
人的名字:-||-
具体主题:-||-
总主题:-||-
文本:{Text}
5.从zero-shot开始,然后few-shot,无论是工作,然后调整✅Zero-shot 从下面的文本中提取关键词。
文本:{Text}
关键词:
✅Few-shot -提供几个例子 从下面相应的文本中提取关键词。
文本1:Stripe提供了一些api, web开发者可以使用这些api将支付处理集成到他们的网站和移动应用程序中。
关键词1:Stripe，支付处理，api,web开发人员，网站，移动应用程序
＃＃
文本2:OpenAI训练了非常擅长理解和生成文本的前沿语言模型。我们的API提供了对这些模型的访问，可以用来解决几乎任何涉及处理语言的任务。
关键词2:OpenAI、语言模型、文本处理、API。
＃＃
文本3:{Text}
关键词3:
✅微调:请参阅微调最佳实践[https://platform.openai.com/docs/guides/fine-tuning]。 6.减少"空洞的"和不精确的描述较差❌: 这个产品的描述应该相当短，几句话就够了，不要太多。
较好✅: 用3到5句话来描述这个产品。
7.不要只是说什么不要做，而是说什么要做较差❌: 下面是代理和客户之间的对话。不要询问用户名或密码。不要重复。
顾客:我不能登录我的账户。
代理:
较好✅: 下面是代理和客户之间的对话。代理将尝试诊断问题并提出解决方案，同时避免询问任何与PII相关的问题。而不是要求PII，例如用户名或密码，请用户参考帮助文章www.samplewebsite.com/help/faq
顾客:我不能登录我的账户。
代理:
8.特定的代码生成：使用"引导词"将模型推向特定的模式较差❌: 编写一个简单的python函数
#1.告诉我一个以英里为单位的数字
#2.把这个数字单位英里换算成公里
在下面的代码示例中，向模型添加"import"提示，它应该开始用Python编写。(同理，"SELECT"是SQL语句开头的一个很好的提示。)
较好✅: 编写一个简单的python函数
#1.告诉我一个以英里为单位的数字
#2.把这个数字单位英里换算成公里
import
另外：推理参数对模型结果的影响一般情况下，model和temperature是改变模型输出最常用的参数。 - 1.
model：更高性能的模型通常更昂贵，可能有更高的延迟。 - 2.
temperature：衡量模型输出不太可能的标记的频率。温度越高，输出就越随机(通常是创造性的)。然而，这并不等同于"真实"。对于大多数实际用例，如数据提取和真实的问答，temperature为0是最好的。 - 3.max_tokens(最大长度)：不控制输出的长度，而是控制token生成的硬截止限制。理想情况下，你不会经常达到这个极限，因为你的模型会在它认为完成时停止，或者当它到达你定义的停止序列时停止。
- 4.stop(停止序列)：一组字符(标记)，生成时将导致文本生成停止。
其他参数说明请见API参考[https://platform.openai.com/docs/api-reference/chat%5C]。 | 
