awesome-prompt-engineering-zh-cn
这个资源库包含了为 Prompt 工程手工整理的资源中文清单，重点是GPT、ChatGPT、PaLM 等（自动持续更新）
https://github.com/yunwei37/awesome-prompt-engineering-zh-cn
Last synced: 2 days ago
JSON representation
-
教程
- DALLE Prompt 书籍
- Prompt工程101-介绍和资源
- Prompt工程101 - [SudalaiRajkumar 的 Prompt 工程指南](https://github.com/SudalaiRajkumar/Talks_Webinars/blob/master/Slides/PromptEngineering_20230208.pdf)
- 生成式语言模型的初学者友好指南 - LaMBDA 指南
- 基于 Cohere 的生成式人工智能：第一部分 - 模型提示
- OpenAI API Prompt 工程的最佳实践
- GPT-3 Prompt 工程的 3 大原则
- ChatGPT Prompt 工程的通用框架
- OpenAI 烹饪书
- Awesome ChatGPT 提示
- Prompt工程101-介绍和资源
- Prompt工程101 - [SudalaiRajkumar 的 Prompt 工程指南](https://github.com/SudalaiRajkumar/Talks_Webinars/blob/master/Slides/PromptEngineering_20230208.pdf)
- 生成式语言模型的初学者友好指南 - LaMBDA 指南
- 基于 Cohere 的生成式人工智能：第一部分 - 模型提示
- OpenAI API Prompt 工程的最佳实践
- GPT-3 Prompt 工程的 3 大原则
- ChatGPT Prompt 工程的通用框架
- OpenAI 烹饪书
- Awesome ChatGPT 提示
-
工具和代码
-
论文
- 音频LM：一种语言模型生成音频的方法
- 噪声到音乐：基于扩散模型的文本条件音乐生成
- 转念一想，我们不走单步思考的路！零-shot推理中的偏见和有害性
- 使用Prompt Pattern目录增强ChatGPT Prompt工程的方法
- 基于梯度的离散优化用于Prompt微调和发现 - [综合提示：为大型语言模型生成思维链演示](https://arxiv.org/abs/2302.00618) [2023]（Arxiv）
- ReAct：语言模型中推理和行动的协同作用
- 语言模型是贪婪的推理者：对思维链的系统形式分析
- 关于使语言模型变得更好的推理的进展
- 大型语言模型是零-shot推理者
- 渐进提示：语言模型的连续学习
- 批处理提示：带有LLM API的高效推断
- 连续提示以解决复杂问题
- 结构提示：将上下文学习扩展到1,000个示例
- 大型语言模型是人类水平的提示工程师
- 问我任何事：提示语言模型的简单策略
- 提示GPT-3要可靠
- 分解提示：解决复杂任务的模块化方法
- PromptChainer：通过视觉编程链接大型语言模型提示
- 调查扩散模型中的提示工程
- 展示您的工作：使用语言模型进行中间计算的草稿本
- 重新构思GPTk的教学提示
- 奇妙有序的提示及其发现：克服小样本提示顺序敏感性
- 规模的力量用于参数高效提示调整
- 为大型语言模型编程：超越小样本范例 - [Prefix-Tuning: 优化连续提示以进行生成](https://arxiv.org/abs/2101.00190) [2021] (Arxiv)
- 语言模型中的多模态思维链推理
- 像程序执行器一样推理
- 自洽性提高了语言模型中的思维链推理
- 重新思考演示的作用：什么使上下文学习起作用？
- 学会解释：通过思维链进行科学问答的多模态推理
- Thought Chain提示在大型语言模型中引发推理
- 针对常识推理的生成知识提示
- 大型语言模型容易被无关上下文干扰
- 爬取语言模型的内部知识库 - **发掘语言模型行为的方法：模型编写的评估** [2022] (Arxiv) [原文链接](https://arxiv.org/abs/2212.09251)
- 2021
- 2023
- 2023
- 2023
- 2023
- 2023
- 2022
- 2020
- 2022
- 2022
- 2022
- 2022
- 2022 - [我们如何知道语言模型所知道的？](https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00324/96460/How-Can-We-Know-What-Language-Models-Know) [2020] (Mit)
- 使用Prompt Pattern目录增强ChatGPT Prompt工程的方法
- 基于梯度的离散优化用于Prompt微调和发现 - [综合提示：为大型语言模型生成思维链演示](https://arxiv.org/abs/2302.00618) [2023]（Arxiv）
- 渐进提示：语言模型的连续学习
- 批处理提示：带有LLM API的高效推断
- 连续提示以解决复杂问题
- 结构提示：将上下文学习扩展到1,000个示例
- 大型语言模型是人类水平的提示工程师
- 问我任何事：提示语言模型的简单策略
- 提示GPT-3要可靠
- 分解提示：解决复杂任务的模块化方法
- PromptChainer：通过视觉编程链接大型语言模型提示
- 调查扩散模型中的提示工程
- 展示您的工作：使用语言模型进行中间计算的草稿本
- 重新构思GPTk的教学提示
- 奇妙有序的提示及其发现：克服小样本提示顺序敏感性
- 规模的力量用于参数高效提示调整
- 为大型语言模型编程：超越小样本范例 - [Prefix-Tuning: 优化连续提示以进行生成](https://arxiv.org/abs/2101.00190) [2021] (Arxiv)
- 语言模型中的多模态思维链推理
- 转念一想，我们不走单步思考的路！零-shot推理中的偏见和有害性
- ReAct：语言模型中推理和行动的协同作用
- 语言模型是贪婪的推理者：对思维链的系统形式分析
- 关于使语言模型变得更好的推理的进展
- 大型语言模型是零-shot推理者
- 像程序执行器一样推理
- 自洽性提高了语言模型中的思维链推理
- 重新思考演示的作用：什么使上下文学习起作用？
- 学会解释：通过思维链进行科学问答的多模态推理
- Thought Chain提示在大型语言模型中引发推理
- 针对常识推理的生成知识提示
- 大型语言模型容易被无关上下文干扰
- 2021
- 2023
- 2023
- 2023
- 2023
- 2023
- 2022
- 2020
- 2022
- 2022
- 2022
- 2022
- 2022 - [我们如何知道语言模型所知道的？](https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00324/96460/How-Can-We-Know-What-Language-Models-Know) [2020] (Mit)
- Promptagator：从8个示例进行少样本密集检索
- Few-Shot提示进行文本推理的解释不可靠性
- 一种用于文本到图像生成的提示修饰符分类
- Prompt工程文本到图像生成模型的设计指南
- 使用潜在扩散模型进行高分辨率图像合成
- Promptagator：从8个示例进行少样本密集检索
- Few-Shot提示进行文本推理的解释不可靠性
- 语言模型是少样本学习器
- DALL·E：从文本中创建图像
- ERNIE-Music：使用扩散模型进行文本到波形音乐生成
- Dreamix：视频扩散模型是通用视频编辑器 - [调整视频：一次性调整图像扩散模型用于文本到视频生成](https://arxiv.org/pdf/2212.11565.pdf) [2022] (Arxiv)
- Piloting Copilot and Codex: Hot Temperature, Cold Prompts, or Black Magic?
- 语言模型是少样本学习器
- 一种用于文本到图像生成的提示修饰符分类
- Prompt工程文本到图像生成模型的设计指南
- 使用潜在扩散模型进行高分辨率图像合成
- DALL·E：从文本中创建图像
- ERNIE-Music：使用扩散模型进行文本到波形音乐生成
- Dreamix：视频扩散模型是通用视频编辑器 - [调整视频：一次性调整图像扩散模型用于文本到视频生成](https://arxiv.org/pdf/2212.11565.pdf) [2022] (Arxiv)
- AudioLM：一种基于语言建模的音频生成方法
- 噪声到音乐：基于扩散模型的文本条件音乐生成
- Make-An-Audio：使用增强提示扩散模型进行文本到音频生成
-
视频
-
Api
-
数据集
- [HuggingFace
- [OpenAI
- [Github
- [HuggingFace
- [Alpa
- [HuggingFace
- [HuggingFace/Google
- [HuggingFace
- [HuggingFace
- [Kaggle
- [HuggingFace - rlhf-pytorch** | RLHF（通过人类反馈的强化学习）在PaLM架构中的实现。基本上是ChatGPT，但加上了PaLM | [[Github]](https://github.com/lucidrains/PaLM-rlhf-pytorch) |
- [Github
- [Github
- [Github
- [Github
- [HuggingFace
- [OpenAI
- [Github
- [HuggingFace
- [Alpa
- [HuggingFace
- [HuggingFace/Google
- [HuggingFace
- [HuggingFace
- [Kaggle
- [HuggingFace - rlhf-pytorch** | RLHF（通过人类反馈的强化学习）在PaLM架构中的实现。基本上是ChatGPT，但加上了PaLM | [[Github]](https://github.com/lucidrains/PaLM-rlhf-pytorch) |
- [Github
- [Github
- [Github
- [Github
-
AI内容检测器
-
社区
Programming Languages
Sub Categories
Keywords
chatgpt
10
gpt-3
10
machine-learning
8
natural-language-processing
6
transformers
6
prompts
6
openai
6
nlp
6
deep-learning
4
language-model
4
prompt-toolkit
4
prompt-engineering
4
gpt
4
gpt-2
4
chatgpt-api
4
openai-api
4
gpt-3-prompts
4
gpt-4
4
reinforcement-learning
4
human-feedback
4
gpt-4-api
2
prompt-tuning
2
prompt-versioning
2
prompting
2
gpt3-library
2
promptversioning
2
large-language-models
2
debugging
2
python
2
ai
2
chatgpt-python
2
language
2
chatbot
2
bots
2
llm
2
gpt-detector
2
detector
2
chatgpt-detector
2
rlhf
2
instructgpt
2
attention-mechanism
2
artificial-intelligence
2
reasoning
2
question-answering
2
dataset
2
react
2
playground
2
developer-tools
2
transformer
2
pytorch
2