搭建基于 ChatGPT 的问答系统第一章-综述

ChatGPT 的出现,使真正的智能问答成为可能。强大的指令理解能力、自然语言生成能力是 LLM 的核心,支持了 LLM 以类人的方式去思考、执行并完成用户任务。

基于 ChatGPT API,我们可以快速、便捷地搭建真正的智能问答系统,将"人工智障"真正升格为"人工智能"。

对于开发者来说,如何能够基于 ChatGPT 搭建一个完整、全面的问答系统,是极具实战价值与实践意义的。

要搭建基于 ChatGPT 的完整问答系统,除去上一部分所讲述的如何构建 Prompt Engineering 外,还需要完成多个额外的步骤。

例如,处理用户输入提升系统处理能力,使用思维链、提示链来提升问答效果,检查输入保证系统反馈稳定,对系统效果进行评估以实现进一步优化等。
当 ChatGPT API 提供了足够的智能性,系统的重要性就更充分地展现在保证全面、稳定的效果之上。

第二部分 搭建基于 ChatGPT 的问答系统,基于吴恩达老师发布的《Building Systems with the ChatGPT API》课程。

这部分在《 面向开发者的提示词工程》的基础上,指导开发者如何基于 ChatGPT 提供的 API 开发一个完整的、全面的智能问答系统。

通过代码实践,实现了基于 ChatGPT 开发问答系统的全流程,介绍了基于大模型开发的新范式,值得每一个有志于使用大模型开发应用程序的开发者学习。

如果说,《 面向开发者的提示词工程》是开发者入门大模型开发的理论基础,那么从这一部分就是最有力的实践基础

学习这一部分,应当充分演练所提供的代码,做到自我复现并能够结合个人兴趣、特长对所提供的代码进行增添、更改,实现一个更个性化、定制化的问答系统。

本部分的主要内容包括:通过分类与监督的方式检查输入;思维链推理以及提示链的技巧;检查输入;对系统输出进行评估等。

目录:

  1. 简介 Introduction @Sarai
  2. 模型,范式和 token Language Models, the Chat Format and Tokens @仲泰
  3. 检查输入-分类 Classification @诸世纪
  4. 检查输入-监督 Moderation @诸世纪
  5. 思维链推理 Chain of Thought Reasoning @万礼行
  6. 提示链 Chaining Prompts @万礼行
  7. 检查输出 Check Outputs @仲泰
  8. 评估(端到端系统)Evaluation @邹雨衡
  9. 评估(简单问答)Evaluation-part1 @陈志宏
  10. 评估(复杂问答)Evaluation-part2 @邹雨衡
  11. 总结 Conclusion @Sarai
相关推荐
好喜欢吃红柚子4 分钟前
万字长文解读空间、通道注意力机制机制和超详细代码逐行分析(SE,CBAM,SGE,CA,ECA,TA)
人工智能·pytorch·python·计算机视觉·cnn
小馒头学python9 分钟前
机器学习是什么?AIGC又是什么?机器学习与AIGC未来科技的双引擎
人工智能·python·机器学习
神奇夜光杯18 分钟前
Python酷库之旅-第三方库Pandas(202)
开发语言·人工智能·python·excel·pandas·标准库及第三方库·学习与成长
正义的彬彬侠21 分钟前
《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析
人工智能·决策树·机器学习·集成学习·boosting·xgboost
Debroon30 分钟前
RuleAlign 规则对齐框架:将医生的诊断规则形式化并注入模型,无需额外人工标注的自动对齐方法
人工智能
羊小猪~~37 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
AI小杨38 分钟前
【车道线检测】一、传统车道线检测:基于霍夫变换的车道线检测史诗级详细教程
人工智能·opencv·计算机视觉·霍夫变换·车道线检测
晨曦_子画43 分钟前
编程语言之战:AI 之后的 Kotlin 与 Java
android·java·开发语言·人工智能·kotlin
道可云1 小时前
道可云人工智能&元宇宙每日资讯|2024国际虚拟现实创新大会将在青岛举办
大数据·人工智能·3d·机器人·ar·vr
人工智能培训咨询叶梓1 小时前
探索开放资源上指令微调语言模型的现状
人工智能·语言模型·自然语言处理·性能优化·调优·大模型微调·指令微调