prompt in context learning
1.0.0
EgoAlpha Lab 提供的即時情境學習的開源工程指南。
論文 | ⚡️遊樂場| ？及時工程| ？ ChatGPT提示｜⛳LLM使用指南
️ Shining ️：這是用於情境學習和即時工程的新鮮、每日更新的資源。隨著通用人工智慧（AGI）的到來，讓我們行動起來，成為一名超級學習者，以便站在這個激動人心的時代的最前沿，爭取個人和職業的偉大。
資源包括：
？ ：關於情境學習、即時工程、代理和基礎模型的最新論文。
？ ：支援快速實驗的大型語言模型（LLM）。
？ ：利用大型語言模型的提示技術。
?ChatGPT 提示？ ：提示可以應用在我們的工作和日常生活中的例子。
?法學碩士使用指南？ ：使用LangChain快速入門大型語言模型的方法。
未來，地球上可能會有兩種類型的人（甚至可能在火星上，但這是馬斯克的問題）：
?EgoAlpha: Hello! human?, are you ready?
☄️ EgoAlpha 發佈專注於推理的 TrustGPT。相信 GPT 具有最強的推理能力，能夠提供真實可靠的答案。您可以點擊此處或直接前往遊樂場體驗。
[2024.11.17]
[2024.11.16]
[2024.11.15]
[2024.11.14]
[2024.11.13]
[2024.11.12]
[2024.11.11]
完整的歷史新聞？
您可以直接點擊標題跳到對應的PDF連結位置
運動遇見關注：影片運動提示（ 2024.07.03 ）
邁向個人健康大語言模式（ 2024.06.10 ）
Husky：用於多步驟推理的統一開源語言代理（ 2024.06.10 ）
邁向大型語言模式的終身學習：一項調查（ 2024.06.10 ）
多模態法學碩士中標記化的語意等價（ 2024.06.07 ）
法學碩士遇見多模式生成與編輯：一項調查（ 2024.05.29 ）
大型語言模型的工具學習：調查（ 2024.05.28 ）
當法學碩士步入3D世界：基於多模態大語言模型的3D任務調查與統合分析（ 2024.05.16 ）
法學碩士的不確定性估計和量化：一種簡單的監督方法（ 2024.04.24 ）
基於大型語言模型的Agent記憶機制研究綜述（ 2024.04.21 ）
完整的論文清單 ?為了「調查」？
LLaRA：為視覺語言策略增壓機器人學習資料（ 2024.06.28 ）
從LoRA權重恢復資料集大小（ 2024.06.27 ）
雙相加速即時優化（ 2024.06.19 ）
從RAG到豐富的參數：探討語言模型如何利用參數資訊上的外部知識進行事實查詢（ 2024.06.18 ）
VoCo-LLaMA：利用大型語言模型實現視覺壓縮（ 2024.06.18 ）
LaMDA：透過譜分解低維適應進行大模型微調（ 2024.06.18 ）
初始化對LoRA微調動態的影響（ 2024.06.12 ）
多模態大型語言模型參數高效微調的實證研究（ 2024.06.07 ）
針對圖提示學習的跨情境後門攻擊（ 2024.05.28 ）
Yuan 2.0-M32：專家與注意力路由器的混合（ 2024.05.28 ）
完整的論文清單 ? “即時設計”？
多模態大型語言模型參數高效微調的實證研究（ 2024.06.07 ）
Cantor：啟發MLLM的多式聯運思想鏈（ 2024.04.24 ）
Nicolay-r 在 SemEval-2024 任務 3：使用 Flan-T5 在情緒狀態的思考鏈對話中推理情緒原因（ 2024.04.04 ）
思維視覺化引發大型語言模型中的空間推理（ 2024.04.04 ）
小語言模型能幫助大語言模型更好地推理嗎？
Visual CoT：釋放多模態語言模型的思考鏈推理（ 2024.03.25 ）
法學碩士評估學生科學形成性評量反應的思考鏈提示法（ 2024.03.21 ）
NavCoT：透過學習解糾纏推理促進法學碩士為基礎的視覺和語言導航（ 2024.03.12 ）
ERA-CoT：透過實體關係分析改善思維鏈（ 2024.03.11 ）
偏誤增強一致性訓練減少思考鏈中的偏差推理（ 2024.03.08 ）
完整的論文清單 ?為「思想鏈」？
LaMDA：透過譜分解低維適應進行大模型微調（ 2024.06.18 ）
初始化對LoRA微調動態的影響（ 2024.06.12 ）
多模態大型語言模型參數高效微調的實證研究（ 2024.06.07 ）
在多模態學習中利用視覺標記擴展文字上下文（ 2024.06.04 ）
學習神通：模組化算術任務中情境學習與技能組合的出現（ 2024.06.04 ）
長上下文一點也不長：大語言模型長依賴資料的探索者（ 2024.05.28 ）
多空間投影快速融合高效快速調音（ 2024.05.19 ）
MAML-en-LLM：用於改進情境學習的法學碩士模型不可知元訓練（ 2024.05.19 ）
透過上下文學習提高大型語言模型常識生成的多樣性（ 2024.04.25 ）
情境學習的更強隨機基線（ 2024.04.19 ）
完整的論文清單 ? “情境學習”？
用於可上傳機器學習的LoRA專家的檢索增強混合（ 2024.06.24 ）
增強 RAG 系統：效能和可擴展性最佳化策略綜述（ 2024.06.04 ）
透過自適應對抗訓練增強檢索增強語言模型的雜訊穩健性（ 2024.05.31 ）
透過稀疏上下文選擇加速檢索增強生成的推理（ 2024.05.25 ）
DocReLM：以語言模型掌握文件檢索（ 2024.05.19 ）
UniRAG：多模態大語言模型的通用檢索增強（ 2024.05.16 ）
ChatHuman：語言驅動的 3D 人類理解與檢索增強工具推理（ 2024.05.07 ）
理由：使用公共和專有法學碩士檢索和自動引用科學句子的基準（ 2024.05.03 ）
疊加提示：改進和加速檢索增強生成（ 2024.04.10 ）
解開結：大語言模型中相互衝突的知識和推理技能的交織（ 2024.04.04 ）
完整的論文清單 ? “檢索增強一代”？
CELLO：大視覺語言模型的因果評估（ 2024.06.27 ）
請告訴我！機器翻譯和摘要評估開源法學碩士的大規模快速探索（ 2024.06.26 ）
重溫大型多模態模型時代的指代表達理解評估（ 2024.06.24 ）
OR-Bench：大型語言模型的過度拒絕基準（ 2024.05.31 ）
TimeChara：評估角色扮演大型語言模式的時間點角色幻覺（ 2024.05.28 ）
微妙的偏差需要更微妙的措施：評估大型語言模型中代表性偏差和親和偏差的雙重指標（ 2024.05.23 ）
HW-GPT-Bench：語言模型的硬體感知架構基準（ 2024.05.16 ）
多模式法學碩士努力解決基本的視覺網路分析：VNA 基準（ 2024.05.10 ）
Vibe-Eval：衡量多模態語言模型進度的硬評估套件（ 2024.05.03 ）
語言模型的因果評價（ 2024.05.01 ）
完整的論文清單 ?對於“評估和可靠性”？
無人機輔助行動邊緣運算網路的多Agent協同深度強化學習方法（ 2024.07.03 ）
符號學習使智能體能夠自我進化（ 2024.06.26 ）
多模式代理的對抗性攻擊（ 2024.06.18 ）
DigiRL：透過自主強化學習訓練野外設備控制代理（ 2024.06.14 ）
使用大型語言模型代理將可穿戴數據轉化為健康洞察（ 2024.06.10 ）
神經形態夢：人工智慧體高效學習的途徑（ 2024.05.24 ）
透過強化學習微調大型視覺語言模型作為決策代理（ 2024.05.16 ）
從圖建模角度學習多Agent通訊（ 2024.05.14 ）
Smurfs：利用具有上下文效率的多個熟練代理進行工具規劃（ 2024.05.09 ）
揭示人類和 Web Agent 之間 Web 任務處理的差異（ 2024.05.07 ）
完整的論文清單 ?對於“代理人”？
InternLM-XComposer-2.5：支援長上下文輸入輸出的通用大視覺語言模型（ 2024.07.03 ）
LLaRA：為視覺語言策略增壓機器人學習資料（ 2024.06.28 ）
Web2Code：大規模網頁到程式碼資料集和多模式法學碩士評估架構（ 2024.06.28 ）
LLaVolta：透過階段式視覺脈絡壓縮實現高效的多模態模型（ 2024.06.28 ）
Cambrian-1：完全開放、以視覺為中心的多模態法學碩士探索（ 2024.06.24 ）
VoCo-LLaMA：利用大型語言模型實現視覺壓縮（ 2024.06.18 ）
超越LLaVA-HD：深入研究高解析度大型多模態模型（ 2024.06.12 ）
多模態大型語言模型參數高效微調的實證研究（ 2024.06.07 ）
在多模態學習中利用視覺標記擴展文字上下文（ 2024.06.04 ）
DeCo：多模態大語言模型中從語意抽像中解耦標記壓縮（ 2024.05.31 ）
完整的論文清單 ?對於“多式聯運提示”？
IncogniText：透過基於LLM的私有屬性隨機化增強隱私的條件文字匿名化（ 2024.07.03 ）
Web2Code：大規模網頁到程式碼資料集和多模式法學碩士評估架構（ 2024.06.28 ）
OMG-LLaVA：橋接影像級、物件級、像素級推理與理解（ 2024.06.27 ）
大型語言模型的對抗性搜尋引擎優化（ 2024.06.26 ）
VideoLLM-online：串流影音的線上影片大語言模式（ 2024.06.17 ）
正則化隱藏狀態使 LLM 能夠學習可推廣的獎勵模型（ 2024.06.14 ）
自回歸模型擊敗擴散：用於可擴展影像生成的 Llama （ 2024.06.10 ）
語言模型模擬某些認知特徵：可預測性測量如何與個體差異相互作用的調查（ 2024.06.07 ）
PaCE：大型語言模型的簡約概念工程（ 2024.06.06 ）
Yuan 2.0-M32：專家與注意力路由器的混合（ 2024.05.28 ）
完整的論文清單 ? 「立即申請」？
TheoremLama：將通用型法學碩士轉變為精實4專家（ 2024.07.03 ）
透過多視圖學習進行行人 3D 形狀理解以實現行人重新識別（ 2024.07.01 ）
法學碩士中隱式詞彙項的標記擦除（ 2024.06.28 ）
OMG-LLaVA：橋接影像級、物件級、像素級推理與理解（ 2024.06.27 ）
模型編輯的基本問題：理性信念修正在法學碩士中該如何運作？ （ 2024年6月27日）
具有上下文感知標記化的高效世界模型（ 2024.06.27 ）
法學碩士的卓越穩健性：推理階段？ （ 2024年6月27日）
ResumeAtlas：利用大規模資料集和大型語言模型重新檢視履歷分類（ 2024.06.26 ）
AITTI：學習文字到圖像生成的自適應包容性令牌（ 2024.06.18 ）
推出無編碼器視覺語言模型（ 2024.06.17 ）
完整的論文清單 ?對於「基礎模型」？
大語言模型（LLM）正在成為一項革命性的技術，正在塑造我們時代的發展。開發人員可以透過建立法學碩士來創建以前只能在我們想像中實現的應用程式。然而，使用這些LLM往往會遇到一定的技術障礙，即使在入門階段，人們也可能會被尖端技術嚇倒：您是否有類似以下的問題？
如果有一個教程，是所有受眾，而不僅僅是電腦科學專業人士都可以接觸到的，那麼它將提供詳細而全面的指導，在短時間內快速入門和操作，最終達到能夠靈活使用LLM的目標並創造性地建構他們所設想的項目。現在，為您奉上：最詳細、最全面的 Langchain 初學者指南，源自 langchain 官方網站，內容進一步調整，並附有最詳細、帶註釋的代碼示例，逐行逐句教授代碼所有觀眾。
點這裡？快速瀏覽 LLM 入門。
此儲存庫由 EgoAlpha Lab 維護。歡迎透過[email protected]提出問題和討論。
我們願意與學界和工業界的朋友們共同探討，共同探討即時工程和情境學習的最新進展。
感謝 EgoAlpha Lab 的博士生以及參與本次 repo 的其他工作人員。後續我們會完善這個項目，維護好這個社區。我們也要向相關資源的作者表達誠摯的謝意。你們的努力拓寬了我們的視野，讓我們感知了一個更美好的世界。
