5.1 KiB
title
| title |
|---|
| LLM 系列 |
LLM 系列
前言
本页的主要目的是帮助各位快速定位到你们需要的内容。
目录
How to LLM
LLM（Large Language Model）泛指大型语言模型，如GPT-3、T5等。这些模型在自然语言处理领域有着广泛的应用，如文本生成、对话系统等。比如Chatbot特化的ChatGPT就是LLM的一种。
LLM 们能做什么呢？我在这里给你们一点例子，抛砖引玉般引起你们的想象。
提示词
Prompting 的核心技能可能只有一个……
启动效应，是大脑最有趣的认知活动之一。每当一段旋律、一个拼图或一段故事出现，大脑就开始疯狂运算，猜测整个景观；不直觉的开始分析因果、构建起一个个可能的解释。
不信的话，试着放松下来，聆听我这唱一首小曲：一闪一闪亮晶晶……（请接龙）
启动效应的本质之一是基于先验的预测，它是多模态和多感官的。简单类比的话，Prompting 就是你如何激活大模型知识结构的「启动」。
一旦能深刻意识到这一点，如何提升你与 AI 对话的技能、有效 激活 LLMs 效能的方法就会涌现出来了。
通过成百上千小时的反复练习，你将意识到：真正提升 Prompt 核心技能在于，持续深化于你的认知体系。
你无法提出你不知道的问题。
撰写实验报告
Claude 3 Opus 拥有多模态能力，也就是可以输入图像。和 GPT-4v 以及 GPT 4 Turbo 不同的是，它允许在单轮对话中附带多张图像。也就是说，你可以把手写稿件，比如实验设计，实验记录，表格等非格式化内容发送给 Claude 3 Opus，然后要求它分析数据，给出本次实验的缺点以及优点，应该如何改进。介于你们暂时只用到高中知识，这对它来说是绰绰有余的。
写作方面
首先，GPT 们的写作能力是毋庸置疑的，早在一年前 GPT-4 0314 发布的时候，它的 GRE 写作成绩就可以击败 99% 的考生。随后的各个版本官方都说有几倍的提升，保守估计，除了顶级作家，应该没有人写的比它好了。如果有，那就把它写的书扔进去，让它模仿（我不是说《我的教育主张: 一位校长的文化思考》哦）。
-
当你写完一篇Essay，发现少了一段结尾或者开头，那么，是时候让它们出马了。
-
当你写完正文，发现，顺序或许有些不合理，连词都没用上，那么，是时候让它们出马了。
-
当你把 PPT 什么的都写好了，但是不知道标题取什么，那么，是时候让它们出马了。
-
当你写 CAS 的 Reflection，但是只能列出几个 List 和细节，不知道怎么串起来的时候，那么，是时候让它们出马了。
-
当你写 Economics 作业的时候，老师说 No List，但是你只有 List，那么，是时候让它们出马了。
-
当你写完一篇 TOFEL，GRE 作文，不知道能得几分，那么，是时候让它们出马了。
-
当你想给老师写一份电子邮件 Argue 的时候，那么，是时候让它们出马了。
-
当你回复前任的道歉消息的时候不知道怎么写得潇洒，那么，是时候让它们出马了。
这我确实没开玩笑：
感谢你的留言。你突然的顿悟很可爱，但我不是来为你迟到的领悟来颁奖的。我正在忙着重建你毁掉的东西。所以当你在你的治愈之旅的途中时，我会在这里，过上没有你的抓 马的最好的生活。为成长干杯，但请不要屏住呼吸等待我的原谅。
GPT-4 Turbo
人会犹豫，人会有所顾虑，人会疲惫，但是 LLM 只会忠实地根据上一个 Token 预测并生成下一个 Token，无论何时，无论何地，一如既往地可靠。
感谢研究人员在 Alignment 领域做出的努力，LLM 目前可以准确响应你的要求，你要 Formal 就 Formal，Blog 就 Blog，Article 就 Article，Script 就 Script，Email 就 Email，Review 就 Review，Refeltion 就 Reflection，Outline 就 Outline，Report 就 Report。你或许在课上都不清楚这些题材的区别，但是没关系，四两拨千斤，会说就等于你会了，会用工具就意味着你掌握了这项技能。
翻译
DeepL 到最后都不明白自己是怎么输的，打败你的不是同行，而是跨界，LLM 对于传统翻译那就是降维打击。这是一篇用早期 GPT-3.5 Turbo 翻译的物理教材，大学水平，感受一下这翻译质量：Special Relativity: For the Enthusiastic Beginner 以及 How the Word Is Passed。翻译字幕等也不在话下（SCDocs WIP）。
社区贡献者
感谢对开源社区所做的贡献，以下人在本页的建立中发挥了作用。
{{< columns >}}
[LobeChat]({{< relref "/docs/tools/llms/lobechat" >}})
{{< /columns >}}
评论
{{< comments >}}