搜索
大模型的效果好不好，有时候对齐调优很关键。但近来很多研究开始探索无微调的方法，艾伦人工智能研究所和华盛顿大学的研究者用「免调优」对齐新方法超越了使用监督调优（SFT）和人类反馈强化学习（RLHF）的 LLM 性能。
微软最新研究再次证明了提示工程的威力——无需额外微调，无需专家策划，仅凭提示，GPT-4就能化身“专家”。
这是最近在社交媒体上爆火的扩散模型视错觉画，随便给AI两组不同的提示词，它都能给你画出来！
谷歌DeepMind全新提示技术「Step-Back Prompting」，让LLM性能拉满！
一个非常好用的 ChatGPT 提示词技巧。
还没正式开放的GPTs，竟然已经有人先“抢跑”了？！ 这不，各路提前获得内测资格的大神们，脑洞已经刹不住车了。 直接做个交互网站设计GPT，分分钟从草图出预览
什么样的“大模型原生”游戏，让各大算法竞赛群里都在玩，还把服务器挤爆了？这款突然爆火的《完蛋！LLM》，让你在解谜挑战之中轻松学会大模型提示词技巧，达成1日用户破万的成就。
马斯克“X”AI团队的首批产品信息曝光： Grok，与AI信息检索相关； PromptIDE，字面理解是“提示词工作站/集成开发环境”
在今天的分享中，我将探讨“逆向Prompt提示词工程”技术。这篇文章是该主题的第三部分，旨在给大家演示如何根据已有的文本内容，逆向推导出生成该内容的关键提示词prompt。
在大模型 AI 时代，如何通过精确的提示词，让大型语言模型给出更理想的答案，已经成为了一个热门话题。特别是，随着各种免费的提示词优化课程和指南的涌现，这似乎是未来每个人都应该掌握的一个技能。