Tài nguyên liên quan từ khắp nơi trên web

Thư viện và công cụ nhắc nhở (theo thứ tự bảng chữ cái)

+ Arthur Shield : Một sản phẩm trả phí để phát hiện độc tính, ảo giác, tiêm thuốc ngay, v.v.

+ Baserun : Một sản phẩm trả phí để thử nghiệm, gỡ lỗi và giám sát các ứng dụng dựa trên LLM

+ Chainlit : Một thư viện Python để tạo giao diện chatbot.

+ Embedchain : Một thư viện Python để quản lý và đồng bộ hóa dữ liệu phi cấu trúc với LLM.

+ FLAML (Thư viện nhanh cho việc học máy và điều chỉnh tự động) : Một thư viện Python để tự động lựa chọn mô hình, siêu tham số và các lựa chọn có thể điều chỉnh khác.

+ Hướng dẫn : Một thư viện Python tiện dụng từ Microsoft sử dụng mẫu Handlebars để xen kẽ việc tạo, nhắc nhở và điều khiển logic.

+ Haystack : Khung phối hợp LLM nguồn mở để xây dựng các ứng dụng LLM có thể tùy chỉnh, sẵn sàng đưa vào sản xuất bằng Python.

+ HoneyHive : Nền tảng doanh nghiệp để đánh giá, gỡ lỗi và giám sát các ứng dụng LLM.

+ LangChain : Một thư viện Python/JavaScript phổ biến để nối các chuỗi lời nhắc của mô hình ngôn ngữ.

+ LiteLLM : Một thư viện Python tối giản để gọi các API LLM với định dạng thống nhất.

+ LlamaIndex : Một thư viện Python để bổ sung dữ liệu cho các ứng dụng LLM.

+ LMQL : Một ngôn ngữ lập trình cho tương tác LLM với hỗ trợ nhắc nhở nhập, luồng điều khiển, ràng buộc và công cụ.

+ OpenAI Evals : Một thư viện mã nguồn mở để đánh giá hiệu suất tác vụ của các mô hình ngôn ngữ và lời nhắc.

+ Phác thảo : Một thư viện Python cung cấp ngôn ngữ dành riêng cho từng miền để đơn giản hóa việc nhắc nhở và hạn chế việc tạo ra.

+ Parea AI : Nền tảng để gỡ lỗi, thử nghiệm và giám sát các ứng dụng LLM.

+ Portkey : Nền tảng cho khả năng quan sát, quản lý mô hình, đánh giá và bảo mật cho các ứng dụng LLM.

+ Promptify : Một thư viện Python nhỏ để sử dụng các mô hình ngôn ngữ nhằm thực hiện các tác vụ NLP.

+ PromptPerfect : Một sản phẩm trả phí để thử nghiệm và cải thiện lời nhắc.

+ Prompttools : Công cụ Python nguồn mở để thử nghiệm và đánh giá các mô hình, CSDL vector và lời nhắc.

+ Scale Spellbook : Một sản phẩm trả phí để xây dựng, so sánh và phát triển các ứng dụng mô hình ngôn ngữ.

+ Semantic Kernel : Thư viện Python/C#/Java từ Microsoft hỗ trợ mẫu nhắc nhở, nối chuỗi hàm, bộ nhớ vectơ và lập kế hoạch thông minh.

+ Vellum : Nền tảng phát triển sản phẩm AI trả phí để thử nghiệm, đánh giá và triển khai các ứng dụng LLM tiên tiến.

+ Weights & Biases : Một sản phẩm trả phí để theo dõi quá trình đào tạo mô hình và thúc đẩy các thí nghiệm kỹ thuật.

+ YiVal : Công cụ GenAI-Ops nguồn mở để điều chỉnh và đánh giá lời nhắc, cấu hình truy xuất và tham số mô hình bằng cách sử dụng các tập dữ liệu có thể tùy chỉnh, phương pháp đánh giá và chiến lược tiến hóa.

Xem thêm: mua tài khoản ChatGPT Plus chính hãng giá rẻ

Hướng dẫn nhắc nhở

+ Hướng dẫn về kỹ thuật nhắc nhở của Brex : Giới thiệu về mô hình ngôn ngữ và kỹ thuật nhắc nhở của Brex.

+ learnprompting.org : Khóa học giới thiệu về kỹ thuật nhắc nhở.

+ Lil'Log Prompt Engineering : Đánh giá của một nhà nghiên cứu OpenAI về tài liệu kỹ thuật nhắc nhở (tính đến tháng 3 năm 2023).

+ Sách hướng dẫn OpenAI: Các kỹ thuật cải thiện độ tin cậy : Một bài đánh giá hơi cũ (tháng 9 năm 2022) về các kỹ thuật nhắc nhở mô hình ngôn ngữ.

+ promptingguide.ai : Hướng dẫn kỹ thuật nhanh chóng trình bày nhiều kỹ thuật.

+ Prompt Engineering 101 của Xavi Amatriain Giới thiệu về Prompt Engineering và 202 Kỹ thuật Prompt nâng cao : Giới thiệu cơ bản nhưng có ý kiến ​​về kỹ thuật Prompt và bộ sưu tập tiếp theo với nhiều phương pháp nâng cao bắt đầu bằng CoT.

Khóa học video

+ DeepLearning.AI của Andrew Ng : Khóa học ngắn về kỹ thuật nhanh dành cho nhà phát triển.

+ Hãy xây dựng GPT của Andrej Karpathy : Một cái nhìn sâu sắc về công nghệ máy học cơ bản của GPT.

+ Kỹ thuật nhanh chóng của DAIR.AI : Video dài một giờ về nhiều kỹ thuật kỹ thuật nhanh chóng khác nhau.

+ Khóa học Scrimba về API Trợ lý : Khóa học tương tác kéo dài 30 phút về API Trợ lý.

+ Khóa học LinkedIn: Giới thiệu về Prompt Engineering: Cách nói chuyện với AI : Video giới thiệu ngắn về Prompt Engineering

Các bài báo về lời nhắc nâng cao để cải thiện khả năng lập luận

+ Chuỗi suy nghĩ gợi ra lý luận trong các mô hình ngôn ngữ lớn (2022) : Sử dụng lời nhắc ít lần để yêu cầu các mô hình suy nghĩ từng bước giúp cải thiện lý luận của chúng. Điểm số của PaLM về các bài toán bằng lời (GSM8K) tăng từ 18% lên 57%.

+ Sự tự nhất quán cải thiện lý luận chuỗi suy nghĩ trong các mô hình ngôn ngữ (2022) : Việc lấy phiếu bầu từ nhiều đầu ra cải thiện độ chính xác hơn nữa. Việc bỏ phiếu trên 40 đầu ra làm tăng điểm của PaLM về các bài toán bằng lời thêm nữa, từ 57% lên 74% và code-davinci-002's từ 60% lên 78%.

+ Tree of Thoughts: Giải quyết vấn đề có chủ đích bằng mô hình ngôn ngữ lớn (2023) : Tìm kiếm trên các cây lý luận từng bước thậm chí còn hữu ích hơn là bỏ phiếu cho các chuỗi suy nghĩ. Nó nâng cao GPT-4 điểm số của 's về văn bản sáng tạo và ô chữ.

+ Mô hình ngôn ngữ là những người lý luận Zero-Shot (2022) : Việc yêu cầu các mô hình tuân theo hướng dẫn suy nghĩ từng bước sẽ cải thiện khả năng lý luận của chúng. Nó nâng text-davinci-002điểm của 's trong các bài toán bằng lời (GSM8K) từ 13% lên 41%.

+ Các mô hình ngôn ngữ lớn là kỹ sư nhắc nhở ở cấp độ con người (2023) : Tìm kiếm tự động trên các lời nhắc khả thi đã tìm thấy một lời nhắc giúp nâng điểm số trong các bài toán bằng lời (GSM8K) lên 43%, cao hơn 2 phần trăm so với lời nhắc do con người viết trong các mô hình ngôn ngữ là Zero-Shot Reasoners.

+ Nhắc lại: Suy luận chuỗi suy nghĩ tự động thông qua lấy mẫu Gibbs (2023) : Việc tìm kiếm tự động trên các chuỗi suy nghĩ có thể có đã cải thiện điểm số của ChatGPT trên một số điểm chuẩn từ 0–20 phần trăm.

+ Lý luận trung thực sử dụng mô hình ngôn ngữ lớn (2022) : Lý luận có thể được cải thiện bằng một hệ thống kết hợp: chuỗi suy nghĩ được tạo ra bởi các gợi ý lựa chọn và suy luận thay thế, một mô hình halter chọn thời điểm dừng các vòng lặp lựa chọn-suy luận, một hàm giá trị để tìm kiếm trên nhiều đường dẫn lý luận và các nhãn câu giúp tránh ảo giác.

+ STaR: Bootstrapping Reasoning With Reasoning (2022) : Chuỗi suy nghĩ có thể được đưa vào mô hình thông qua tinh chỉnh. Đối với các nhiệm vụ có đáp án, chuỗi suy nghĩ ví dụ có thể được tạo ra bằng mô hình ngôn ngữ.

+ ReAct: Kết hợp lý luận và hành động trong mô hình ngôn ngữ (2023) : Đối với các nhiệm vụ có công cụ hoặc môi trường, chuỗi suy nghĩ sẽ hiệu quả hơn nếu bạn xen kẽ một cách có quy định giữa các bước Reasoning (suy nghĩ về việc cần làm) và Acting (lấy thông tin từ công cụ hoặc môi trường).

+ Phản xạ: một tác nhân tự động với bộ nhớ động và khả năng tự phản xạ (2023) : Việc thử lại các tác vụ với trí nhớ về những lần thất bại trước đó sẽ cải thiện hiệu suất tiếp theo.

+ Trình bày-Tìm kiếm-Dự đoán: Soạn thảo các mô hình ngôn ngữ và truy xuất cho NLP chuyên sâu về kiến ​​thức (2023) : Các mô hình được tăng cường kiến ​​thức thông qua "truy xuất rồi đọc" có thể được cải thiện bằng chuỗi tìm kiếm nhiều bước nhảy.

+ Cải thiện tính thực tế và lý luận trong các mô hình ngôn ngữ thông qua tranh luận đa tác nhân (2023) : Việc tạo ra các cuộc tranh luận giữa một vài tác nhân ChatGPT trong một vài vòng sẽ cải thiện điểm số trên nhiều chuẩn mực khác nhau. Điểm số bài toán bằng lời tăng từ 77% lên 85%.

• Ưu đãi đặc biệt trong ngày hôm nay khi sở hữu tài khoản ChatGPT 4 chính hãng giá rẻ!