《人民日报》发布：新版标点符号正确用法和标准占格要求
标点符号，一直困扰着很多人！来看看人民日报微博发布的“新版标点符号”正确用法，里面有很多标点符号的用法不同于以往我们的认知，希望大家收藏起来认真学习。
新版《标点符号用法》早已实施，九张图教你标点符号的新用法！
prompt
谷歌提出一种称为“Step-Back Prompting”的Prompt技术
来源于谷歌Deepmind在10月9日提交的一篇论文。
论文下载地址：https://arxiv.org/pdf/2310.06117.pdf
谷歌提出一种称为“Step-Back Prompting”的Prompt技术，让LLMs自己抽象问题，得到更高纬度概念和原理，再用这些知识推理并解决问题。
他们用PaLM-2L模型做了实验，发现这种Prompt技巧能显著提升密集推理任务（STEM、知识问答、多跳问题）的性能质量表现。
MMLU 物理和化学方面表现提高了7%，TimeQA 提高27%，MuSiQue 提高了7%。
MMLU：大规模多任务语言理解测试数据集
TimeOA：时间敏感问题测试数...
提升ChatGPT性能的实用指南：Prompt Engineering的艺术
一起探索 Prompt Engineering 的奥秘，并学习如何用它来让 ChatGPT 发挥出最大的潜力。
什么是提示工程？
提示工程是一门新兴学科，就像是为大语言模型（LLM）设计的"语言游戏"。通过这个"游戏"，我们可以更有效地引导 LLM 来处理问题。只有熟悉了这个游戏的规则，我们才能更清楚地认识到 LLM 的能力和局限。
这个"游戏"不仅帮助我们理解 LLM，它也是提升 LLM 能力的途径。有效的提示工程可以提高大语言模型处理复杂问题的能力（比如一些数学推理问题），也可以提高大语言模型的扩展性（比如可以结合专业领域的知识...
Prompt框架
ICIO框架
Instruction：指令
即你希望 AI 执行的具体任务
Context：背景信息
给AI更多的背景信息引导模型做出更贴合需求的回复
Input Data：输入数据
告知模型需要处理的数据
Output Indicator：输出引导
告知模型我们要输出的类型或风格
CRISPE 框架
Capacity and Role：能力和角色
ChatGPT 应扮演什么角色
Insight：见解
提供你请求的背后见解、背景和上下文
Statement：声明
你要求 ChatGPT 做什么
Personality：个性
你希望 Ch...
LLMs 中 CoT、ToT 解决复杂逻辑问题
目前大语言模型在日常交流对话中，展现出强大的能力，但是如果遇到一些复杂提问，如解决24点游戏问题等需要具备逻辑思维较为密集的场景，往往LLMs 表现能力不佳，那么今天就介绍一下LLMs 中解决这类思维较为密集问题的技术CoT，ToT 技术。作者翻看全网对ToT 技术的讲解，发现没有一篇将所有涉及到的重点讲清楚，现在我将深入对ToT 思想论文《Tree of Thoughts: Deliberate Problem Solving with Large Language Models》进行深入讲解。希望大家喜欢。
注意：前面文章较多的介绍了模型架构，Transformer， MoE 等技术，这些...
为什么我们坚信Prompt是未来?
Prompt 到底是什么?
1. 指令
如果把ChatGPT具象成一个执行力&知识广度拉满的 员工 ，那Prompt则是你给的 指令 ，指令越详细，上下文越丰富，输出定义越明确，得到的结果也就越好。
2. 内容
正因为Prompt和输出结果的 强相关性 ，市场对Prompt的价值非常认可。有投机客会发广告直接卖Prompt的bundle，也有Promptbase这样的marketplace交易Prompts。最受欢迎的模式还是把高质量的prompt套一层UI，封装成SaaS产品 (Jasper, CopyAI)。除了那些有自己的独特数据或大模型的公司，这些公司本质上都是在出租 Prom...
CoT实践案例解析
CoT案例
ChatGPT 回答的 有时候逻辑性不好 。
正确答案是：7个偶数，3个奇数。ChatGPT甚至连数字都抄错了
然而，我们人类很多时候也是这样，当我们依赖于直觉判断，或是思维跳得太快，没有按部就班一步一步推理时，就很容易犯错，得出错误的答案。不过，当我们遇到一些问题时（如257*37=？），我们懂得不要着急给出答案（就算想也做不到啊），而是会在脑海里先计算推理一番，用「工作记忆」记住计算过程中的临时结果，对于更难的问题，我们会先做一下草稿或利用工具，由此来得到正确的答案。
注：人脑的「工作记忆」是一种记忆容量有限的认知系统，被用以暂时保存信息。工作记忆对于推理以及指导决策和行为有...
从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！
从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！
首发: **AINLPer 微信公众号（ 每日论文干货分享！！** ）
编辑: ShuYini
校稿: ShuYi-ni
时间: 2023-09-04
引言
为了提高大型语言模型（LLM）上下文学习能力，今天给大家分享的这篇文章提出了思维图（GoT），其性能超过了思维链（CoT）、思维树（ToT）等。思维图（GoT）的关键是能够将 LLM 生成的信息建模为任意图，其中信息单位是顶点，边代表顶点之间的依赖关系。这种方法优点能够将任意LLM的思维组合在一起，提炼出整个思维图内容。实验结果显示：相比目前的思维...
prompt方法论
prompt方法论
零样本提示
如今，经过大量数据训练并调整指令的LLM能够执行零样本任务。我们在前一节中尝试了一些零样本示例。以下是我们使用的一个示例：
提示：
将文本分类为中性、负面或正面。文本：我认为这次假期还可以。情感：
输出：
中性
请注意，在上面的提示中，我们没有向模型提供任何示例——这就是零样本能力的作用。
指令调整已被证明可以改善零样本学习Wei等人（2022）(opens in a new tab)。指令调整本质上是在通过指令描述的数据集上微调模型的概念。此外，RLHF(opens in a new tab)（来自人类反馈的强化学习）已被采用以扩展指令调整，其中模型被调整以更...
小七姐：批量生成美食创意短语
作者：万能的小七姐（B站同名）
收到一个朋友转过来的prompt需求，这个需求比较小众，但这个prompt的生产过程算是比较经典的少样本提示和思维链提示的用法，在这先对prompt思路做一个分享：
首先来看需求
客户需要生成1000条俏皮灵动，趣味盎然，比喻精妙的和美食有关的短句子，要求文风优美，句子让人充满食欲。
客户使用这些句子的场景比较奇妙，而且不易于解释，所以我们可以换为一个更简单易于理解的场景来让GPT理解。
从思维链(CoT)，到思维树(ToT)，再到思维图(GoT)：用LLMs解决复杂问题！[/caption]
第一步：描述清楚这个prompt的需求背景：
对于独居者或者一起...
刘海：美妆海报文案
来源：https://waytoagi.feishu.cn/wiki/Dor2wc2FviY3q3kgSuScJrkhngg
海报文案生成案例（优化前）
来，家人们，直接上例子 ~(我前同事写的Prompt哈哈)~ ：
你是一名美妆品牌的文案策划。你需要为新产品宣传海报生成一个吸引人的美妆产品文案。
首先,你要明确这条文案要达到的营销目的:
然后,你要考虑你要面向的目标客户群:
再然后,你要确定产品的卖点和特征:
最后,你要控制这条文案在25-30字之间。
注意:1.请运用简洁流畅的语句；
2.请适当添加生动的修辞手法；
3.让我们一步一步来。
—
产品:彩妆定制服务
目标客户:25-40...
chatgpt调教：笑话案例
ChatGPT 说它自己没有感情不懂笑话
我偏要给它讲个笑话试试。果然，它没听懂。
如果我扮演一个耐心的老师，它倒确实也会是一个认真的好学生，回答问题毫不含糊。
（最后这句回答，它竟然不是简单地说“扫描对方的二维码”，还补充说明“加对方为好友”，说明记性不错啊。）
再问它一遍，它能从“加好友”和“纪念逝者”的“反差”里找笑点。
很有“哇塞”的感觉。
但对于“扫”的双关含义它还没懂，还需要再多一点点帮助
现在它知道笑点在于产生的误解上了。
但是等等，它真的知道为啥“我扫你”不恰当吗？继续追问两句，似乎并没理解……
我没耐心了，直接给它讲答案：
最后再问一遍……还好我猜它不会不耐烦...
小学思维逻辑题目
天府路小学三年级5班有35名学生参加周末的社团课,其中美术社团有21人报名，书法社团有27人报名，请问: 同时报名参加两个社团的学生有多少?
每包干脆面里面有一张卡片，商家规定，集齐三张卡片可以换1包干脆面,小九的妈妈一次性给他买了 9 包干脆面，那么小九一共可以吃到多少包干脆面？
欢欢今年8岁，爸爸今年34岁，多少年以后爸爸的年龄是欢欢的2倍？
木匠切断一根木头需要3 分钟，现在要将一根 15米长的木头切成 3米长的木头材料，木匠一共需要切多长时间?
提升大模型可靠性的 prompt方法汇总
从 prompting 的角度有哪些方法可以提高大模型在复杂任务上的性能表现呢？
汇总现有的一些方法：
细节法：给出更清晰的指令，包含更多具体的细节
分解法：将复杂的任务分解为更简单的子任务 （Let's think step by step, CoT，LangChain等思想）
记忆法：构建指令使模型时刻记住任务，确保不偏离任务解决路径（system 级 prompt）
解释法：让模型在回答之前进行解释，说明理由 （CoT 等方法）
投票法：让模型给出多个结果，然后使用模型选择最佳结果 （ToT 等方法）
示例法：提供一个或多个具体例子，提供输入输出示例 （one-shot, few-sho...