第二弹进阶吴恩达 ChatGPT Prompt 技巧

news/2024/11/29 16:33:18/

第一弹笔记在这里:

总结吴恩达 ChatGPT Prompt 免费课程

今天分享第二弹,进阶篇。

第一点,任务序列化。

通常看完一篇长文,脑子里往往充满无数疑问。急切想知道所有答案,必须列一个问题清单。对话式问法,对于可以容纳 3500个并发的 ChatGPT 来说,明显不够高效。因此,任务序列化就特别重要

对长文本进行任务序列化,写清楚 1,2,3,4 任务清单, 最终以格式规范化回答

例子中,进行了英法语言的转换,最终格式成 Json. 这是项综合应用。很明显,用的是 ChatGPT 3.5 API

b000efc2f411f3ccd6067647375caafb.png

9325409d8a6df8b7914a01f75e15914e.png

885dcb2c0700093ef18fed308b8641f9.png

上面的例子,是对长文本进行了分析。要求完成 3 个任务:

a. 总结这段文本

b. 翻译成法语,列出人物

c. 用 Json 返回结果

这里的结果,明显产自 ChatGPT 3.5 API.  我用 GPT3.5/4 分别做了同样分析长文本的例子,却有些许不同:

de474e61eeba9171a8c94ad6f834a233.png

对以上文本,我安排了 3 个序列化的任务:

a. 简述文本内容

b. 翻译成英文

c. 指定节点,输出 Json 

以下来自 ChatGPT 3.5:

4d512f712e3fb74e3d8fd73bc4aca2c8.png

注意看 SummaryCh, 简述方面有些牵强,语句不是很通顺。而生成的 Json 格式显然更偏计算机程序应用,而忽略了阅读体验

再来看 ChatGPT 4 的结果:

c532b072b366fddda6f7719c2877e696.png

注意看 SummaryCh, 更接近文中意思。Json 的输出,也考虑到了阅读体验。最重要的是,它并没有重复的输出前面3步的结果

第二个技巧,ChatGPT 也能很懂算术

ChatGPT 在算术计算方面,经常被人诟病,但是不是真的辣么糟糕呢?看题:

55deb71ba9ef1562b9b69e17106d7847.png

a847560e0849ee2e4f7a3dfddc9ce706.png

以上的题,大意是这样:

要你来判断学生的解决方案是否正确:

问题:

我正在建造一个太阳能发电安装,需要帮助计算财务。

- 土地费用为每平方英尺$100。

- 我可以购买每平方英尺$250的太阳能电池板。

- 我谈判得到的维护合同将花费我固定的每年$100,000,并且每平方英尺额外花费$10。

作为每平方英尺面积的函数,第一年运营的总成本是多少。

学生的解决方案:

令x为安装面积的大小

成本:

1.土地成本:100x

2.太阳能电池板成本:250x

3.维护成本:100,000 + 100x

总成本:100x + 250x + 100,000 + 100x = 450x + 100,000"""

ChatGPT 最终判定学生答案是正确的。大伙儿一看,咦,这么智障么,显然不是 450x

于是 OpenAI 的这位小姐姐给出了方案:

1a924a3ccf939cc22ef369a52b8814e5.png

6a84b55dfaf9077f407e1096cdc1959b.png

在本例中,ChatGPT 作为聊天机器人,它的目的是为了让聊天更通顺的进行下去,并没有考虑到逻辑的正确性。

作为高智能人类,必须引导 ChatGPT 先思考,再说话。这和与人沟通一样,先比叨逼叨一通话的人,往往不是有多么快捷的思维,而是一脑袋浆糊,不知所云。他们抢断式发言,更多是带节奏,找存在感,不值一提

我翻译了这个例子,结果如下:

73e5c0eb4dc24789e6d0c1f72ade38b6.png

0af7a9799cc3e8a69cf701880fd096f0.png

这把 ChatGPT 它先推演了一遍如何计算第一年的费用,再和学生的方法做对比,给学生划了个 ×

好了,今天就到这里。点赞,收藏,转发,家人们,走起!!


http://www.ppmy.cn/news/56243.html

相关文章

适合学生党的蓝牙耳机品牌有哪些?学生性价比高的蓝牙耳机排行

近几年,蓝牙耳机凭借便捷的使用迅速成为人们外出常备的数码产品之一。现如今,市面上的蓝牙耳机越来越多,不同品牌,不同型号的蓝牙耳机数不胜数。那么,有没有适合学生党的蓝牙耳机品牌?针对这个问题&#xf…

SpringBoot整合Druid配置多数据源

目录 1.初始化项目 1.1.初始化工程 1.2.添加依赖 1.3.配置yml文件 1.4.Spring Boot 启动类中添加 MapperScan 注解,扫描 Mapper 文件夹 1.5.配置使用数据源 1.5.1.注解方式 1.5.2.基于AOP手动实现多数据源原生的方式 2.结果展示 Mybatis-Plus:简介 | MyBat…

【机器学习分支】重要性采样(Importance sampling)学习笔记

重要性采样(importance sampling)是一种用于估计概率密度函数期望值的常用蒙特卡罗积分方法。其基本思想是利用一个已知的概率密度函数来生成样本,从而近似计算另一个概率密度函数的期望值。 想从复杂概率分布中采样的一个主要原因是能够使用…

多维评测指标解读2022MSU世界编码器大赛结果

是极致性能,更是最佳商用。 19项第一之上,是63%的极致带宽降低 近日,2022 MSU世界视频编码器大赛成绩正式揭晓。报告显示,阿里媒体处理服务MPS(Alibaba Media Processing Service)s264及s265编码器共计斩获…

Redis在linux下安装

1.下载安装包 redis官网: Download | Redis 2.解压 2.1在目录下解压压缩包 tar -zxvf redis-7.0.11.tar.gz 2.2将redis移至另一目录下并改名为redis mv redis-7.0.11 /usr/local/redis 3.编译 进入到redis目录下,make命令编译 [rootVM-24-15-centos local]# cd…

本周大新闻|苹果首款MR没有主打卖点;Meta认为AI是AR OS的基础

​本周XR大新闻,AR方面,苹果首款MR或没有主打卖点,反而尽可能支持更多App和服务;扎克伯格表示基于AI的AR眼镜操作系统是下一代计算平台的基础;微软芯片工程VP Jean Boufarhat加入Meta芯片团队;Humane展示了…

Shuffle优化

一、Map阶段 1.增大缓冲区的大小:默认100M,可以改为200 2.增大缓冲区的溢写百分比:默认0.8,可以改为0.9 3.减少溢写文件的merge次数 4.采用combiner提前预聚合,减少IO。(不影响业务逻辑的前提下,只能加减&a…

4_用dockerfile制作镜像

Docker 镜像原理 思考: Docker 镜像本质是什么? Docker 中一个centos镜像为什么只有200MB,而一个centos操作系统的iso文件要几个个G? Docker 中一个tomcat镜像为什么有500MB,而一个tomcat安装包只有70多MB&#xff…