今天以ChatGPT为代表的人工智能热潮是由大规模语言模型（LLM）推动的。 这样说并不夸张。 LLM是一种在大量文本数据上训练的自然语言处理模型，最著名的是GPT（OpenAI），Llama（Meta）和PaLM（Google）。 我们作为开发人员，可以使用这些预先训练的模型轻松创建应用程序。
LLM可以执行的语言任务
可以使用LLM执行几种类型的语言任务：
分类：对情绪、姿势等进行分类的任务。
生成：生成脚本、想法等的任务
对话：在对话中生成响应的任务
转型
翻译：从一种语言翻译成另一种语言的任务
转换：转换表情符号等的任务。
摘要：要汇总的任务
完成：中途完成给定文本的延续
事实回答：给他们支持事实，让他们回答
如果您想了解有关这些的更多信息，我们建议您阅读 OpenAI 文档。
https://platform.openai.com/docs/guides/completion/prompt-design
许多LLM是非常通用的。 最近宣布的 GPT-4 比以前的版本 GPT-3.5 更通用，并且在 SAT 中排名前 10%，这是美国的常见考试。
微调 或 Propmt Design 是两种常用的定制模型的方法。
更多内容：
https://qiita.com/tmgauss/items/22c4e5e00282a23e569d
[1] @halomaster • 01 Apr 2023, 09:34 GMT
（chatGPT）Python调用text-davinci-003，进行有记忆的对话
--------------------------------------------------------------
``` python
作者：慕曦
链接：https://zhuanlan.zhihu.com/p/606650217
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
import openai
openai.api_key = "YOUR-KEY"
# 建立对话
def start_conversation(prompt):
completions = openai.Completion.create(
engine="text-davinci-003",
prompt=prompt,
max_tokens=0,
)
message = completions.choices[0].text
return message
# 更新上下文
def append_context(prompt, context):
if len(context) > 0:
prompt = f"{prompt}\n\nContext: {context}\n"
return prompt
# 生成文本
def generate_text(prompt, context):
prompt = append_context(prompt, context)
completions = openai.Completion.create(
engine="text-davinci-003",
prompt=prompt,
max_tokens=1024,
n=1,
stop=None,
temperature=0.5,
)
message = completions.choices[0].text
return message
if __name__ == "__main__":
context = ""
prompt = ""
while True:
print("########CONVERSATION BLOCK########")
prompt = append_context(prompt, context)
user_input = input("You: ")
if user_input.lower() == "exit":
break
prompt += f"\nUser: {user_input}"
response = generate_text(prompt, context)
context += f"\nUser: {user_input}\nAI: {response}"
print(f"AI:{response}")
```
使用【"text-davinci-003"】
1 of 1 pages 1 replies