聯繫我們

課程簡介

提示工程簡介

  • 什麼是提示工程?
  • 提示設計在 LLM 中的重要性。
  • 零樣本、單一樣本與少樣本方法的比較。

設計有效的提示

  • 打造高品質提示的原則。
  • 實驗不同的提示變體。
  • 提示設計中的常見挑戰。

少樣本微調

  • 少樣本學習概覽。
  • 在任務特定 LLM 適應中的應用。
  • 將少樣本範例整合至提示中。

使用提示工程工具的實作

  • 使用 OpenAI API 進行提示實驗。
  • 探索 Hugging Face Transformers 的提示設計。
  • 評估提示變體的影響力。

優化 LLM 表現

  • 評估輸出結果並精煉提示。
  • 納入上下文以獲得更好結果。
  • 處理 LLM 回應中的歧義性和偏見。

提示工程的應用

  • 文字生成與摘要。
  • 情感分析與分類。
  • 創意寫作與程式碼生成。

部署基於提示的解決方案

  • 將提示整合至應用程式中。
  • 監控表現與擴展性。
  • 案例研究與真實世界範例。

總結與後續步驟

最低要求

  • 基本掌握自然語言處理(NLP)知識。
  • 熟悉 Python 程式設計。
  • 具備大型語言模型(LLM)經驗者更佳。

受眾

  • 人工智慧開發人員。
  • 自然語言處理工程師。
  • 機器學習從業者。
 14 小時

課程分類