一文读懂大语言模型提示工程

👋今天来聊聊超火的大语言模型提示工程，学会了能让你和 AI 的互动效果直线上升📈！

✨ 关键术语科普
📌提示（prompt）：就是咱们喂给模型的文本，它可是引导模型输出的关键～
📌推理（inference）：模型生成文本的这个动作就叫推理。
📌完成（completion）：模型给出的输出文本，也就是它完成任务后的成果。
📌上下文窗口（context window）：能用来写提示的全部文本范围，就像一个有容量限制的小盒子。
📌提示工程（prompt engineering）：不断优化提示，让模型乖乖听话，给出我们想要的结果。
📌上下文学习（in-context learning）：在提示里给模型举例子，帮它更好理解任务，超有用！
📌零样本推理（zero-shot inference）：提示里只放输入数据，大模型很擅长，但小模型可能就懵圈了。
📌一样本推理（one-shot inference）：给一个示例，小模型看了可能就开窍啦～
📌少样本推理（few-shot inference）：多给几个不同类型的示例，更小的模型也能明白任务要求。
📌微调（fine-tuning）：当示例给了五六个模型还不给力，就试试微调，用新数据再训练它～

💡 模型性能与示例关系
大模型在零样本推理时超厉害，能完成好多没专门学过的任务。小模型就弱一些，通常只对和训练任务像的活儿在行，这时候给示例就很有必要啦～

🎯 模型选择与设置
要多试试不同模型，找到最适配自己需求的。选好后，还有一些配置设置能调整，让模型输出的文本风格、结构更符合心意～

✨课程来源：www.coursera.org/learn/gener…

by DeepLearning.AI & Amazon Web Services