小册描述
目录
- 1 ChatGPT:开启人工智能的新时代
- 1.1 ChatGPT是什么
- 1.2 ChatGPT的历史
- 1.2.1 GPT-1:预训练加微调
- 1.2.2 GPT-2:更大更强
- 1.2.3 GPT-3:能力涌现
- 1.2.4 ChatGPT:与AI对话
- 1.2.5 GPT-4:多模态
- 1.3 ChatGPT的应用场景
- 1.4 ChatGPT的局限性
- 2.1 使用官方网站与ChatGPT进行交互
- 2.2 用API的方式访问ChatGPT
- 2.3 使用ChatGPT的其他方式
- 3.1 什么是语言模型
- 3.2 语言模型的发展历程
- 3.2.1 20世纪50年代之前:雏形初现
- 3.2.2 20世纪的后五十年:由兴到衰
- 3.2.3 21世纪:新时代
- 3.3 Transformer模型的结构和原理
- 3.3.1 注意力机制
- 3.3.2 自注意力机制
- 3.3.3 位置信息
- 3.3.4 缩放点乘注意力
- 3.3.5 多头自注意力
- 3.3.6 多层自注意力
- 3.3.7 交叉注意力
- 3.3.8 完整的Transformer模型
- 3.4 语言模型的训练
- 3.4.1 自回归训练
- 3.4.2 基于人工反馈的强化学习
- 3.5 提示工程
- 3.5.1 提示工程是什么
- 3.5.2 设计良好提示的常见技巧
- 3.5.3 提示工程的重要性
- 4 人人都能用AI:构建提示指令,化解各类难题
- 4.1 难题已攻克:AI助你跨越语言的障碍
- 4.2 不只是纠错:AI让语言表达更精准
- 4.3 文学创作新思路:人机协作让作品更具灵感
- 4.4 新闻报道加速器:从收集素材到成稿只需几秒
- 4.5 一问即答:AI让信息获取更简单
- 4.6 专家意见何处寻:AI扮演领域专家角色为你答疑解惑
- 4.7 决策神器:如何让AI给出明确回答,助你做决定
- 4.8 逻辑驱动的能力提升:数学和编程是一回事儿
- 5.1 词法和句法分析
- 5.1.1 中文分词
- 5.1.2 命名实体
- 5.1.3 词性标注
- 5.1.4 依存句法分析
- 5.2 信息抽取
- 5.2.1 关键词提取
- 5.2.2 实体关系抽取
- 5.2.3 结构化事件抽取
- 5.3 分类与聚类
- 5.3.1 文本分类
- 5.3.2 情感分析
- 5.3.3 文本聚类
- 5.4 理解和问答
- 5.4.1 常识知识问答
- 5.4.2 阅读理解问答
- 5.4.3 问题理解和意图识别
- 5.5 受控文本生成
- 5.5.1 文本摘要
- 5.5.2 文本复述
- 5.5.3 数据到文本的生成
- 5.6 谣言和不实信息检测
- 6.1 元语智能:ChatYuan
- 6.2 复旦大学:MOSS
- 6.3 百度:文心一言
- 6.4 清华大学:ChatGLM
- 7.4 多模态:到底有什么用