Awesome Prompt Engineering ZH CN下载 - Awesome Prompt Engineering ZH CN源代码下载

Awesome Prompt Engineering ZH CN

其他源码

1.0.0

下载

神奇的Prompt工程 ?‍♂️

该存储库包含一个手动筛选的Prompt工程资源，重点关注于生成式预训练变压器（GPT）、ChatGPT、PaLM等。

   Prompt工程课即将来临...

论文

?

Prompt工程技术：
- 使用Prompt Pattern目录增强ChatGPT Prompt工程的方法 [2023] (Arxiv)
- 基于梯度的离散优化用于Prompt微调和发现 [2023] (Arxiv)。- 综合提示：为大型语言模型生成思维链演示 [2023]（Arxiv）
- 渐进提示：语言模型的连续学习 [2023]（Arxiv）
- 批处理提示：带有LLM API的高效推断 [2023]（Arxiv）
- 连续提示以解决复杂问题 [2022]（Arxiv）
- 结构提示：将上下文学习扩展到1,000个示例 [2022]（Arxiv）
- 大型语言模型是人类水平的提示工程师 [2022]（Arxiv）
- 问我任何事：提示语言模型的简单策略 [2022]（Arxiv）
- 提示GPT-3要可靠 [2022]（Arxiv）
- 分解提示：解决复杂任务的模块化方法 [2022]（Arxiv）
- PromptChainer：通过视觉编程链接大型语言模型提示 [2022]（Arxiv）
- 调查扩散模型中的提示工程 [2022]（Arxiv）
- 展示您的工作：使用语言模型进行中间计算的草稿本 [2021]（Arxiv）
- 重新构思GPTk的教学提示 [2021]（Arxiv）
- 奇妙有序的提示及其发现：克服小样本提示顺序敏感性 [2021]（Arxiv）
- 规模的力量用于参数高效提示调整 [2021]（Arxiv）
- 为大型语言模型编程：超越小样本范例 [2021]（Arxiv）- Prefix-Tuning: 优化连续提示以进行生成 [2021] (Arxiv)
推理和上下文学习：
- 语言模型中的多模态思维链推理 [2023] (Arxiv)
- 转念一想，我们不走单步思考的路！零-shot推理中的偏见和有害性 [2022] (Arxiv)
- ReAct：语言模型中推理和行动的协同作用 [2022] (Arxiv)
- 语言模型是贪婪的推理者：对思维链的系统形式分析 [2022] (Arxiv)
- 关于使语言模型变得更好的推理的进展 [2022] (Arxiv)
- 大型语言模型是零-shot推理者 [2022] (Arxiv)
- 像程序执行器一样推理 [2022] (Arxiv)
- 自洽性提高了语言模型中的思维链推理 [2022] (Arxiv)
- 重新思考演示的作用：什么使上下文学习起作用？ [2022] (Arxiv)
- 学会解释：通过思维链进行科学问答的多模态推理 [2022] (Arxiv)
- Thought Chain提示在大型语言模型中引发推理 [2021] (Arxiv)
- 针对常识推理的生成知识提示 [2021] (Arxiv)
- BERTese：学会与BERT交流 [2021] (Acl)
评估和改进语言模型：
- 大型语言模型容易被无关上下文干扰 [2023] (Arxiv)
- 爬取语言模型的内部知识库 [2023] (Arxiv)- 发掘语言模型行为的方法：模型编写的评估 [2022] (Arxiv) 原文链接
- 使用前校准：提高语言模型的少样本性能 [2021] (Arxiv) 原文链接
语言模型的应用：
- 多模态恶意模因分类的提示 [2023] (Arxiv) 原文链接
- 用于社交对话合成的提示语言模型 [2023] (Arxiv) 原文链接
- 针对可控移情对话生成的常识感知提示 [2023] (Arxiv) 原文链接
- 程序辅助语言模型 [2023] (Arxiv) 原文链接
- 用于多语言法律判断预测的法律提示编写 [2023] (Arxiv) 原文链接
- 使用自然语言解决CS1问题的提示工程探究 [2022] (Arxiv) 原文链接
- 使用预训练语言模型进行情节创作 [2022] (Acl) 原文链接
- AutoPrompt：使用自动生成的提示语从语言模型中引出知识 [2020] (Arxiv) 原文链接
威胁检测和对抗示例:
- 宪法人工智能：通过AI反馈无害 [2022] (Arxiv) 原文链接
- 忽略前一个提示：语言模型的攻击技术 [2022] (Arxiv) 原文链接
- 机器生成文本：威胁模型和检测方法全面调查 [2022] (Arxiv) 原文链接
- 通过手工制作的对抗示例评估预训练语言模型的易感性 [2022] (Arxiv) 原文链接
- 使用生成提示的毒性检测 [2022] (Arxiv) 原文链接。- 我们如何知道语言模型所知道的？ [2020] (Mit)
少样本学习和性能优化：
- Promptagator：从8个示例进行少样本密集检索 [2022] (Arxiv)
- Few-Shot提示进行文本推理的解释不可靠性 [2022] (Arxiv)
- 使预训练语言模型成为更好的少样本学习器 [2021] (Acl)
- 语言模型是少样本学习器 [2020] (Arxiv)
文本到图像生成：
- 一种用于文本到图像生成的提示修饰符分类 [2022] (Arxiv)
- Prompt工程文本到图像生成模型的设计指南 [2021] (Arxiv)
- 使用潜在扩散模型进行高分辨率图像合成 [2021] (Arxiv)
- DALL·E：从文本中创建图像 [2021] (Arxiv)
文本到音乐/声音生成：
- MusicLM：从文本生成音乐 [2023] (Arxiv)
- ERNIE-Music：使用扩散模型进行文本到波形音乐生成 [2023] (Arxiv)
- Noise2Music：使用扩散模型进行文本调制音乐生成 [2023) (Arxiv)
- AudioLM：一种基于语言建模的音频生成方法 [2023] (Arxiv)
- Make-An-Audio：使用增强提示扩散模型进行文本到音频生成 [2023] (Arxiv)
文本到视频生成：
- Dreamix：视频扩散模型是通用视频编辑器 [2023] (Arxiv)。- 调整视频：一次性调整图像扩散模型用于文本到视频生成 [2022] (Arxiv)
- 噪声到音乐：基于扩散模型的文本条件音乐生成 [2023] (Arxiv)
- 音频LM：一种语言模型生成音频的方法 [2023] (Arxiv)
概述：
- Piloting Copilot and Codex: Hot Temperature, Cold Prompts, or Black Magic? [2022] (Arxiv)

工具和代码

?

名称	描述	链接
GPT Index	GPT Index 是一个由一组数据结构组成的项目，旨在使使用大型外部知识库与 LLM 更轻松。	[Github]
Promptify	使用 LLM 解决 NLP 问题，使用 Promptify 轻松为 GPT、PaLM 等流行生成模型生成不同的 NLP 任务提示	[Github]
Better Prompt	在将 LLM 提示推送到生产之前测试测试套件	[Github]
Interactive Composition Explorerx	ICE 是一个 Python 库和语言模型程序的跟踪可视化器。	[Github]
LangChainx	通过组合使用 LLM 构建应用程序	[Github]
OpenPrompt	一个用于 Prompt 学习的开源框架	[Github]
Prompt Engine	此存储库包含用于创建和维护大语言模型 (LLMs) Prompt 的 NPM 实用程序库。	[Github]
Prompts AI	GPT-3 的高级工作场所	[Github]
Prompt Source	PromptSource 是一个用于创建、共享和使用自然语言提示的工具包。	[Github]
ThoughtSource	一个用于机器思考科学的框架	[Github]

Api

名称	描述	URL	付费或开源
OpenAI	用于自然语言任务的 GPT-n，用于将自然语言翻译成代码的 Codex，以及用于创建和编辑原始图像的 DALL·E。	[OpenAI]	付费
CohereAI	Cohere 通过一个 API 提供对先进的大型语言模型和自然语言处理工具的访问。	[CohereAI]	付费
Anthropic	即将推出	[Anthropic]	付费
FLAN-T5 XXL	即将推出	[HugginFace]	开源

数据集

?

名称	描述	URL
P3 (Public Pool of Prompts)	P3 (Public Pool of Prompts) 是一个包含各种 NLP 任务的 prompted English 数据集集合。	[HuggingFace]
Awesome ChatGPT Prompts	该仓库包括用于更好地使用 ChatGPT 的 ChatGPT prompt curation。	[Github]

?

名称	描述	链接
ChatGPT	ChatGPT	[OpenAI]
Codex	Codex 模型是我们的 GPT-3 模型的后代，可以理解和生成代码。其训练数据包含自然语言和 GitHub 上数十亿行公共代码	[Github]
Bloom	BigScience 大型开放科学开放获取多语言语言模型	[HuggingFace]
Facebook LLM	OPT-175B 是 Meta 训练的 GPT-3 等效模型。它是目前可用的最大的预训练语言模型，具有 1750 亿个参数	[Alpa]
GPT-NeoX	GPT-NeoX-20B，一个经过训练的 200 亿个参数的自回归语言模型	[HuggingFace]
FLAN-T5 XXL	Flan-T5 是一种指令调整模型，这意味着当作为提示的一部分给出指令时，它会表现出零射击行为。	[HuggingFace/Google]
XLM-RoBERTa-XL	XLM-RoBERTa-XL 模型在 2.5TB 的经过过滤的 CommonCrawl 数据上进行了预训练，其中包含 100 种语言	[HuggingFace]
GPT-J	它是在 Pile 数据集上训练的类似于 GPT-2 的因果语言模型	[HuggingFace]

| 写作提示 | 包含从在线论坛（reddit）抓取的 300K 个人编写的故事与写作提示的大型数据集 | [Kaggle] | | Midjourney 提示 | 从 MidJourney 的公共 Discord 服务器中抓取的文本提示和图像 URL | [HuggingFace] || PaLM-rlhf-pytorch | RLHF（通过人类反馈的强化学习）在PaLM架构中的实现。基本上是ChatGPT，但加上了PaLM | [Github] | | GPT-Neo | 使用网格张量库实现模型并行的GPT-2和类GPT-3模型的实现。| [Github] | | LaMDA-rlhf-pytorch | Google的LaMDA的开源预训练实现，使用PyTorch。添加类似于ChatGPT的RLHF。 | [Github] | | RLHF | 通过人的反馈实现强化学习的实现 | [Github] | | GLM-130B | GLM-130B：一个开放的双语预训练模型| [Github] |

AI内容检测器

?

名称	描述	URL
AI文本分类器	AI文本分类器是一个经过精细调整的GPT模型，可以预测一段文本是来自于各种来源（如ChatGPT）的AI生成的可能性。	[OpenAI]
GPT-2输出检测器	这是一个基于?/Transformers实现的RoBERTa的在线演示	[HuggingFace]
Openai检测器	用于指示由AI编写的文本的AI分类器（OpenAI Detector Python wrapper）	[GitHub]

教程

Prompt工程简介
- Prompt工程101-介绍和资源
- Prompt工程101".- SudalaiRajkumar 的 Prompt 工程指南
生成式语言模型入门指南
- 生成式语言模型的初学者友好指南 - LaMBDA 指南
- 基于 Cohere 的生成式人工智能：第一部分 - 模型提示
Prompt 工程的最佳实践
- OpenAI API Prompt 工程的最佳实践
- 如何编写好的提示
完整的 Prompt 工程指南
- 大型语言模型 Prompt 工程完整介绍
- Prompt 工程指南：如何设计最佳提示
Prompt 工程的技术方面
- GPT-3 Prompt 工程的 3 大原则
- ChatGPT Prompt 工程的通用框架
- Prompt 编程方法
Prompt 工程的资源
- Awesome ChatGPT 提示
- 最佳 100+ 稳定扩散 Prompt
- DALLE Prompt 书籍
- OpenAI 烹饪书
- Microsoft 的 Prompt 工程