提示词工程

使用LangGPT提示词让大模型比较浮点数LLM在对比浮点数字时表现不佳，经验证，internlm2-chat-1.8b (internlm2-chat-7b)也存在这一问题，本文采用LangGPT 进行结构化提示词设计，让internlm2-chat-1_8b能够正确比较浮点数。（注意：估计1.8B的对话能力比较弱，别把模型带偏了：））

【拥抱AI】介绍Prompt框架ICIO和CRIPSEICIO Prompt框架是一种用于创建清晰、具体提示的方法，旨在提高AI模型的交互效率和准确性。ICIO是一个缩写，代表以下四个基本部分：

提示词工程（Prompt Engineering）是什么？Prompt Engineering 提示词工程（Prompt Engineering）是一项通过优化提示词（Prompt）和生成策略，从而获得更好的模型返回结果的工程技术。

程序员不鸣

大模型应用：Prompt-Engineering优化原则随着大模型的出现及应用，出现了一门新兴“技术”，该技术被称为Prompt-Enginerring。Prompt Engineering即提示工程，是指在使用大语言模型时，编写高效、准确的Prompt(提示词)的过程。通过不同的表述、细节和关键词，使大模型更好服务于特定任务。

大数据AI人工智能培训专家培训讲师叶梓

USP技术提升大语言模型的零样本学习能力大语言模型（LLMs）在零样本和少样本学习能力上取得了显著进展，这通常通过上下文学习（in-context learning, ICL）和提示（prompting）来实现。然而，零样本性能通常较弱，因为缺乏指导和难以应用现有的自动提示设计方法。论文提出了一种名为Universal Self-Adaptive Prompting（USP）的自动提示设计方法，旨在提升大语言模型（LLMs）在零样本学习（zero-shot learning）任务中的表现。USP通过使用少量未标记数据和仅推理的LLM生成伪示例（

提示词优化的自动化探索：Automated Prompt Engineering编者按：作者在尝试教授母亲使用 LLM 完成工作任务时，意识到提示词的优化并不像想象中简单。提示词的自动优化对于经验并不丰富的提示词撰写者很有价值，他们没有足够的经验去调整和改进提供给模型的提示词，这引发了对自动化提示词优化工具的进一步探索。

TnT-LLM: Text Mining at Scale with Large Language Models相关链接：arxiv 关键字：Large Language Models (LLMs)、Text Mining、Label Taxonomy、Text Classification、Prompt-based Interface

阿正的梦工坊

基于Llama 2家族的提示词工程：Llama 2 Chat, Code Llama, Llama Guard本文是学习 https://www.deeplearning.ai/short-courses/prompt-engineering-with-llama-2/ 的学习笔记。

图灵重生我名苏泽

基于大模型思维链（Chain-of-Thought）技术的定制化思维链提示和定向刺激提示的心理咨询场景定向ai智能应用目录本篇为个人笔记记录基于大模型思维链（Chain-of-Thought）技术的定制化思维链提示和定向刺激提示的心理咨询场景定向ai智能应用

开启智能互动新纪元——ChatGPT提示词工程的引领力目录提示词工程的引领力高效利用ChatGPT提示词方法近年来，随着人工智能技术的迅猛发展，ChatGPT提示词工程正逐渐崭露头角，为智能互动注入了新的活力。这一技术的引入，使得人机交流更加流畅、贴近用户需求，促使我们不禁思考，这项工程究竟如何在智能时代中发挥引领作用？

ChatGPT调教指南 | 咒语指南 | Prompts提示词教程（二）在我们开始探索人工智能的世界时，了解如何与之有效沉浸交流是至关重要的。想象一下，你手中有一把钥匙，可以解锁与OpenAI的GPT模型沟通的无限可能。这把钥匙就是——正确的提示词（prompts）。无论你是AI领域的新手，还是希望优化与大型语言模型交流的老手，掌握如何精确使用提示词，将直接影响你从这项技术中获得的价值。

【EAI 016】VIMA: General Robot Manipulation with Multimodal Prompts论文标题：VIMA: General Robot Manipulation with Multimodal Prompts 论文作者：Yunfan Jiang, Agrim Gupta, Zichen Zhang, Guanzhi Wang, Yongqiang Dou, Yanjun Chen, Li Fei-Fei, Anima Anandkumar, Yuke Zhu, Linxi Fan 作者单位：Stanford; Macalester College, now at Allen Institu

女王の专属领地

一文读懂「Prompt Engineering」提示词工程在了解提示过程之前，先了解一下什么是提示prompt，见最后附录部分提示工程（Prompt Engingering），也被称为上下文提示（In-Context Prompting），指的是通过结构化文本等方式来完善提示词，引导LLM输出我们期望的结果。通过提示词工程可以在不更新模型权重的情况下，让LLM完成不同类型的任务。其主要依赖于经验，而且提示词工程方法的效果在不同的模型中可能会有很大的差异，因此需要大量的实验和探索。

【EAI 006】ChatGPT for Robotics：将 ChatGPT 应用于机器人任务的提示词工程研究论文标题：ChatGPT for Robotics: Design Principles and Model Abilities 论文作者：Sai Vemprala, Rogerio Bonatti, Arthur Bucker, Ashish Kapoor 作者单位：Scaled Foundations, Microsoft Autonomous Systems and Robotics Research 论文原文：https://arxiv.org/abs/2306.17582 论文出处：TMLR 论