生成式人工智能的最新进展，特别是 GPT 和 Codex 等大型语言模型，在类人文本生成方面取得了显着的成果。然而，在这些模型中输入简单的提示并不总是能产生一致或有用的结果。要充分发挥人工智能的潜力，就必须掌握即时工程的艺术。在本文中，我将深入研究Wope 创始人Yiğit Konur 在Digitalzone Exclusive：生成式 AI活动中关于创建最佳提示的各种技术的演讲中获得的基本信息。 及时的工程至关重要 提示工程是指仔细构建和格式化提示以从人工智能系统产生所需输出的过程。如果没有战略方向，人工智能模型可能会产生毫无意义、无用甚至危险的输出。提示的设计应提供适当的上下文、示例、逻辑流程和护栏。
借助人工智能优化提示
通过使用人工智能系统，您可以根据您使用的人工智能工具优化自己的提示。例如，您可以向 AI 提交提示，以进行 1-10 级 阿曼手机号码列表 的批评，例如长度、清晰度、歧义性和完整性。通过这种方法，人工智能将评估你的提示中的缺陷，并通过给出 1 到 10 之间的分数来指导你改进你的提示。 作为用户，您可以通过获取此反馈来编辑原始提示，然后让人工智能重新评估修订。随着这个循环的重复，每次迭代，人工智能/人类的协作都会变得更加强大。因为人工智能没有自我或偏见，所以它的自我纠正过程非常有效。
英语语言的使用可以最大限度地提高表现
目前，几乎所有主要语言模型都主要基于英语语言数据进行训练。因此，与其他语言相比，英语提示具有更高的性能。 虽然多语言模型是一个活跃的研究领 CZB目录 域，但目前使用英语可以最大限度地提高准确性和创造潜力。对于跨国公司来说，英语代表着跨地区解锁人工智能功能的通用语言。 快速发展需要持续学习 人工智能领域正在以令人眼花缭乱的速度前进。Anthropic 的宪法人工智能、彭博社接受金融数据培训的法学硕士以及 Meta 的开源代码等新技术正在迅速使现有知识过时。我们必须不断地教育自己，以防止我们的技能过时。
