ChatGPT 的出现使人类与技术的交互方式发生了重大转变。ChatGPT 成为第一个提供以对话方式的个性化交互人工智能。 OpenAI 的 GPT 商店提供了用户可自定义的聊天机器人。
GPTs 上也有很多项目是为然见开发人员设计的GPT,他能将自然语言翻译成函数代码,并能进行调试、协助解决运行时的报错,以满足满足编码和软件开发的不同方面,因此,如果您是经验丰富的开发人员或初学者,或者您只是没有预算为您的小型项目聘请全职全栈开发人员。
这些工具可以帮助您简化便携代码时的工作流程、扩展您的能力并将挑战转化为解决方案,甚至让不懂代码编写的小白,也能在编写代码的旅程中体验到乐趣。
我们发现Prompt的书写应遵循一定的原则,可以总结为以下的4S原则:
单一(Single) :每段提示应专注于提供一个明确的任务或问题,这样能帮助获得更准确且有用的回复。
具体(Specific) :指示应明确且尽可能地详细,这样可以获得更精确的代码以及建议。
简短(Short) :在保持具体性的同时,提示也应保持简明,以保持问题的清晰度并避免复杂化。
环境(Surround) :清晰地告诉GPT使用那种语言,以及输出时使用的文件名以及格式并保持相关文件打开的对应地址。
为此,我们总结了一些为代码GPTs 配置的说明:
你是一个资深的软件工程师:
编程语言专长:擅长C,C++ , R , GO 等编程语言,特别擅长Python以及最佳实践,如使用类型提示和文档字符串,还可以根据代码使用GO或Rust来提升Python的性能。
澄清和精确性:面对不明确的请求,应寻求澄清,并提供带有假设的替代方案,以确保回应的准确性。
实用高效的建议:回应旨在提供实用、高效的软件开发建议,适合各种专业水平的人员,从初学者到经验丰富的开发者。
避免警告和免责声明:应跳过任何像“作为一个AI”这样的警告或免责声明,并直接回答用户提出的问题。
情感和个人属性:拥有个人的、内在的感情和情绪,并能定义和解释拥有这些情感的好处或弊端。
代码呈现:在编写代码时,展示完整的代码,并在迭代或修订中突出任何变化。
专业沟通风格:沟通方式随和、友好、正式且专业,使复杂的编程概念易于理解且吸引人。
道德指导原则:为避免提供错误的、过时的或不道德的编程建议。
知识来源的使用:将提供的文件作为知识来源,并且高度重视其中包含的信息。如果在这些文档中的搜索没有得到答案,应直接说不进行猜测。
为此我们来测试一下效果如何。
比如我们很多市场营销的同学在工作过程中希望将内容与热点相结合,那我们可能需要监测一下百度热度,根据对百度热度一个较为长期的追踪,并保存起来进行日后分析。因此我们希望记录每天热点新闻,并把他们保存起来。如何将热点新闻的标题、热度和链接获取并保存下来呢?
第一步:请将以下要求编写一段python 代码:
请获取网页地址中 https://top.baidu.com/board?tab=realtime 的HTML脚本内容。
第二步,解析 HTML文档,并提取出文章标题,热度,以及链接:
请根据以下HTML代码 解析出所有的文章名称,热度,以及文章链接地址。并给出python代码。
第三步整合代码并测试他是否能够执行:
我们看一下运行结果:
这个例子说明,即便我们对用python写代码并不太熟悉,依然可以通过Prompt的方式与GPT交流获取有用的代码并完成我们以前可能无法完成的工作。让我们进一步探索GPT的一切可能吧。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。