联系我们

课程大纲

提示工程简介

  • 什么是提示工程?
  • 提示设计在LLMs中的重要性
  • 零样本、单样本与少样本方法的比较

设计有效提示

  • 高质量提示的构建原则
  • 尝试不同的提示变体
  • 提示设计中的常见挑战

少样本微调

  • 少样本学习概述
  • 在任务特定LLM适应中的应用
  • 将少样本示例整合到提示中

提示工程工具实践

  • 使用OpenAI API进行提示实验
  • 探索Hugging Face Transformers的提示设计
  • 评估提示变体的影响

优化LLM性能

  • 评估输出并优化提示
  • 整合上下文以获得更好的结果
  • 处理LLM响应中的歧义和偏见

提示工程的应用

  • 文本生成与摘要
  • 情感分析与分类
  • 创意写作与代码生成

部署基于提示的解决方案

  • 将提示整合到应用中
  • 监控性能与可扩展性
  • 案例研究与实际示例

总结与下一步

要求

  • 具备自然语言处理(NLP)的基础知识
  • 熟悉Python编程
  • 有大型语言模型(LLMs)经验者优先

受众

  • AI开发者
  • NLP工程师
  • 机器学习从业者
 14 小时

即将举行的公开课程

课程分类