Prompt自动化进阶之路：不会走也能飞
提示工程是大模型使用的第一道坎，写出高质量的PE有一定门槛，偷懒的小白该怎么办？
大模型时代，提示工程（PE）成了重中之重。
（1）PE为什么重要: NLP四大范式
第一范式：非神经网络时代的完全监督学习（特征工程）。大量任务相关的训练数据，借助特征工程和算法（朴素贝叶斯Naïve Bayes、支持向量机SVM、逻辑回归LR等）；
第二范式：基于神经网络的完全监督学习（架构工程）。也要大量任务相关的训练数据，通过深度学习方法自动获取特征(表示学习)进行端到端分类学习；
第三范式：预训练-精调范式（目标工程）：当前使用比较多的预训练+微调范式，通过预训练方式(比如掩码语言模型Masked Language Model)来学习海量的语言学知识，然后下游使用少量任务相关数据对预训练模型进行微调即可；
第四范式：预训练-提示-预测范式（Prompt工程）：当前进入了Prompt Learning提示学习的新范式，使用Few shot或者Zero-shot即可完成下游任务。
第五范式（提示学习），相比上一代两阶段（pretrain+finetune）范式，不需要针对具体任务做领域微调，只需通过prompt提示词描述下游任务就行, 模型参数都不用更新。
提示学习让任务执行能力进一步收敛到基础模型(GPT系列大模型)，作为“纽带”的提示工程当然成了重中之重 网页链接
版权声明： 发表于 2023-11-22 9:12:58。
转载请注明：Prompt自动化进阶之路：不会走也能飞提示工程是大模型使用的第一道坎，写出高质量的PE有一定门槛，偷懒的小白该怎么办？大模型时代，提示工程（PE）成了重中之重... | AI 時.空 | AiTime.Space
转载请注明：Prompt自动化进阶之路：不会走也能飞提示工程是大模型使用的第一道坎，写出高质量的PE有一定门槛，偷懒的小白该怎么办？大模型时代，提示工程（PE）成了重中之重... | AI 時.空 | AiTime.Space
暂无评论...