国庆策划｜赛程过半，检验一下你的学习成果吧！

Sep 29, 2023

国庆策划｜赛程过半，检验一下你的学习成果吧！-AI大模型系统实战-极客时间



下载APP





关闭

渠道合作

推荐作者

国庆策划｜赛程过半，检验一下你的学习成果吧！

Tyler · AI大模型系统实战

课程介绍



讲述：Tyler

时长04:09大小3.80M



你好，我是 Tyler。
国庆即将到来，为了让你过节期间能够轻松一些，同时也能巩固之前所学，从 10 月 2 日到 10 月 8 日，我们会暂停三次更新。已经跟上学习进度到同学，不妨复习一下前面所学，查漏补缺。还没有跟上大部队的同学，也可以利用这个时间继续学习。
另外，为了帮助你检验学习效果，我从之前的课程里精选了一些知识点，定制了后面这套测试题。客观题的答案和解析，你在测试后就能直接看到。
至于主观题，我选择了一些你在学习中很可能会忽视，或者误以为自己已经理解的一些信息。同样，因为这些常见误区往往也会出现在行内人的身上，所以这也是面试中常常出现的题目。
首先是选择题的环节。你点击文稿下方按钮，就可以进入测试。
接下来是三道主观题。这三道题目既跟课程内容密切相关，也是我们招聘 AIGC 技术人才时，从校招生到技术专家的面试中都会经常会考察的内容。期待在留言区看到你的分析和思考。
1. 现在各类 AIGC 应用产品逐渐深入人心，人们越来越熟悉通过自然语言与模型对话的方式。然而，因为 AI 大模型系统对提示语的层层优化封装，大多数人已经混淆了用户提供给 AIGC 产品的提示词和大语言模型中所说的上下文学习中的提示词的含义。所以，这里希望你做一个辨析，你觉得上下文学习的本质是什么，提示词的两个主要作用是什么？
2. 相较于传统的 AIRC 系统，AIGC 系统面临着更多的风控挑战。例如，数据投毒、模型越狱、通过诱导模型输出进行注入攻击等手段。在模型特征和 AIRC 系统的架构设计中，我们学习了如何针对场景特点，设计合理的风控策略，选择有意义的反作弊特征。通过你的使用和观察，针对 AIGC 产品的新特点，你能想到哪些有价值的反作弊特征呢？
3. 在提示语工程系列课程中，我带你学习了斯坦福人工智能小镇中，是通过记忆流来给智能体赋予“记忆”能力的。接下来的课程中，我将带你学习，如何为这个智能体增加对所见所想进行反思的能力和对日常生活进行规划的能力。在此之前，我希望你能结合前面学到的提示语工程知识，自己设计一套反思和规划的方法。
最后，和你说点题外话。AI 的发展一日千里，就在更新课程内容期间，仍然有许多新技术涌现出来。我在内容输出的过程中，也一直在跟编辑讨论，为你精选最有价值的内容收入到课程里。
不过，另一方面，作为一个过来人我还是建议你能沉下心来，和我一起重走 GPT 的孕育、发展之路，耐下心追寻技术发展的规律，洞察大模型系统的本质。因为我深知，乱花渐欲迷人眼，只有脚踏实地，建立自己的学习体系，才能培养自己的判断力，更好地筛选和消化新知识。
为了把我这些年从高人学、靠自己悟，在事儿上练的心得经验充分传授给你，每篇内容我花的时间都比预计多了很多。篇幅上为了讲透一些关键内容，也做了不少扩展。
不过这样的代价就是备稿余额不足。为了给你呈现更优质的内容，假期停更期间我还会继续努力赶稿。下次的更新会在 10 月 9 日和你见面，我们会继续学习提示语工程，敬请期待。

赛程过半，检验一下你的学习成果吧！Tyler提醒读者国庆期间暂停更新，鼓励学习者复习前面所学。他为读者定制了一套测试题，包括选择题和主观题，旨在帮助检验学习效果。主观题涉及AIGC应用产品、AIGC系统的风控挑战以及智能体的记忆能力和规划能力。此外，Tyler也提到了AI技术的快速发展，鼓励学习者深入研究技术发展规律，洞察大模型系统的本质。他表示为了传授经验，每篇内容都花费了大量时间和精力。文章内容涉及到了AIGC技术、风控策略设计、智能体能力增强以及对技术发展的思考。Tyler在文章中透露了对技术发展的热情和对学习者的关怀，鼓励他们建立自己的学习体系，培养判断力。文章内容丰富，涵盖了AIGC技术、风控策略设计、智能体能力增强以及对技术发展的思考。

分享给需要的人，Ta购买本课程，你将得18元

生成海报并分享

2023-09-29

赞 7

提建议

21｜提示语工程（三）：如何帮助智能体更好地管理记忆？

22｜提示语工程（四）：如何让智能体学会反思过去和规划未来？

 写留言

全部留言(3)

最新
精选

蚂蚁压路
2024-02-22 来自广东
上下文学习的本质是模型具有的少样本学习few shot learning特性，对吗？提示词的作用，第一是给模型提供任务的样本，第二是让模型理解如何完成任务。
作者回复: 同学你好，回答的完全正确！
顾琪瑶
2023-09-28 来自上海
1.1 ICL的本质: 我认为是让模型明确自己对当前任务的定位或者说是"角色", 以及这个"角色"应该有哪些行为特征, 最终以什么样的形式来完成任务 1.2 prompt的作用: * 1: 与模型沟通的技巧, 掌握此技巧能够更清晰的向模型表达自己的需求和意图 * 2: 没想到 2. 反zuobi特征: * 针对国家及地区的政策对模型进行微调, 防止出现敏感相关的内容 * 使用多种模型, 对垂直领域的回答进行校验, 让模型与模型对抗 3. 反思&规划: * 每当current agent与another agent交互时, 都让current agent以当前的自身的角色定位与another agent输出的内容进行思考, 如: "你作为一名[优秀的/专业的/负责的/xxx的]医生, [热爱/专注]家庭的[丈夫/妻子/儿子/女儿]来思考一下[another agent name]所说的内容是否符合你自身[价值观/行为准则/目标方向], 如认为自身的信息量不足, 则可以通过联网的功能查询对应角色的定位信息再来进行思考, 如果你认为[another agent name]说的有理, 则记录在某个记忆区, 回去再和自身的家庭成员讨论, 如果大多数都认为是有理的, 则更新你自身的价值观信息"
展开
1
yanger2004
2023-09-28 来自上海
又🐮又勤奋👍

