文章目录
-
- [🌊 大模型作为一种生成式人工智慧，厉害在哪儿？-> 通用能力](#🌊 大模型作为一种生成式人工智慧，厉害在哪儿？-> 通用能力)
- [🌊 LLM 如何生成输出：简而言之就是文字接龙](#🌊 LLM 如何生成输出：简而言之就是文字接龙)
- [🌊 GPT 之前 ...：模型规模和数据规模概览](#🌊 GPT 之前 ...：模型规模和数据规模概览)
- [🌊 ChatGPT 有三个训练阶段：预训练、督导式学习、强化学习](#🌊 ChatGPT 有三个训练阶段：预训练、督导式学习、强化学习)
- [🌊 ChatGPT 使用：人类向 chatgpt 靠近](#🌊 ChatGPT 使用：人类向 chatgpt 靠近)
- [🌊 ChatGPT 跟真实环境互动 (例如可以操控机器臂)](#🌊 ChatGPT 跟真实环境互动 (例如可以操控机器臂))
🌊 大模型作为一种生成式人工智慧，厉害在哪儿？-> 通用能力
🌊 LLM 如何生成输出：简而言之就是文字接龙
🌊 GPT 之前 ...：模型规模和数据规模概览
- 之前都是从网络上各类文字资料学习 ...
- 之后开启下一个阶段：【督导式学习】由人类告诉 GPT 我们想要的答案是什么，
这一阶段并不需要大量资料 (上万的资料就可以)
🌊 ChatGPT 有三个训练阶段：预训练、督导式学习、强化学习
- Reinforcement Learning from Human Feedback (RLHF)：原理复杂概念简单；模型要有一定能力(偶有佳作)，进入 RLHF才有意义
🌊 ChatGPT 使用：人类向 chatgpt 靠近
-
讲清需求
-
提供足够的信息，也可以上传档案
-
提供范例: in-context learning (注意，是没有训练，没有改变参数的)
-
鼓励 chatgpt 想一想 (例如使用下面的魔法咒语表 🔮 Chain of Thought (CoT))
-
使用外挂 (例如 +搜索引擎, 具体怎么学习呢 -> 参考：https://youtu.be/ZlD220t Mpl?feature=shared)
-
拆解任务后执行 (可以让 chatgpt 自己拆解)
-
让它反思 (例如：告诉它请检查上述答案是否正确)
🌊 ChatGPT 跟真实环境互动 (例如可以操控机器臂)
参考资料：面向每个人的生成式AI, 【李宏毅 LLM 大模型】