还没搞懂嵌入（Embedding）、微调（Fine-tuning）和提示工程（Prompt Engineering）？

嵌入（Embedding）、微调（Fine-tuning）和提示工程（Prompt Engineering） 是AIGC 模型的核心功能，合理运行这些功能，能实现一些复杂和意向不到的应用。

前言

Prompt和Embedding是AIGC模型的核心功能，语言处理应用。例如，它们可以用于聊天机器人、语言翻译、摘要生成、文本分类等。Fine-tuning技术可以用于优化预训练模型，以提高其在特定任务中的性能，例如问答、文本摘要、语言理解等。

一、嵌入（Embedding）

嵌入是浮点数的向量（列表）。两个向量之间的距离衡量它们的相关性。小距离表示高相关性，大距离表示低相关性。

嵌入通常用于：

1. Search 搜索（结果按与查询字符串的相关性排序）
2. Clustering 聚类（文本字符串按相似性分组）
3. Recommendations 推荐（推荐具有相关文本字符串的条目）
4. Anomaly detection 异常检测（识别出相关性很小的异常值）
5. Diversity measurement 多样性测量（分析相似性分布）
6. Classification 分类（其中文本字符串按其最相似的标签分类）

二、微调 （Fine-tuning）

微调通过训练比提示（prompt）中更多的示例来改进小样本学习，让您在大量任务中取得更好的结果。对模型进行微调后，您将不再需要在提示（prompt）中提供示例。这样可以节省成本并实现更低延迟的请求。

三、提示工程（Prompt Engineering）

如果没有良好的提示设计和基础技术，模型很可能产生幻觉或编造答案，其危险在于，模型往往会产生非常有说服力和看似合理的答案，因此必须非常小心地设计安全缓解措施和地面模型的事实答案，所以提示工程应运而生。

提示工程（Prompt Engineering）是一门较新的学科，关注提示词开发和优化，帮助