[[2024-4-12]]\

excalidraw-plugin: raw tags: [excalidraw]

---

==⚠ Switch to EXCALIDRAW VIEW in the MORE OPTIONS menu of this document. ⚠== You can decompress Drawing data with the command palette: ‘Decompress current Excalidraw file’. For more info check in plugin settings under ‘Saving’

2024-4-12\

Excalidraw Data

Text Elements

扇贝技能课程 ^UrrcasRZ

二、提问的艺术 1）提示词：生成AI运作的关键 2）提示词编写：提出好问题 3）样本提示与链式思考：规范格式，引导思考 4）交叉验证：慎思、辨伪 ^XymyQzNT

笔记页 ^HLzdyYZ6

标签 ^g6Foj0jc

引用 ^pHqLTv81

画板 ^srNCuHMZ

Obsidian笔记系统 ^fqyLX5ow

即便输入大量的专业领域知识 也无法将GPT训练为该领域的 专家； 理论上可行，实际无法办到 人类，知识存于大脑中 GPT，知识存于模型中 ^eqgzzdWH

大型语言模型（LLM）的训练依赖于多种数据来源，以确保模型具备广泛的语言理解和生成能力。以下是主要的数据来源类别： ^yEpxn7Cn

⸻ ^CM778K4W

📚 1. 通用文本数据 ^L9tPlMmg

这些数据涵盖了广泛的主题和语言风格，是训练语言模型的基础： ^LVYeb6uO

• 网页抓取数据：如 Common Crawl 提供的大规模网页数据集。  ^EQ7pWtSd

• 维基百科：多语言版本的维基百科为模型提供了结构化的百科知识。 ^Y8YVB1lV

• 书籍语料库：例如 BookCorpus，包含了大量未出版书籍的文本。  ^U6dj9ujr

• 新闻文章：来自各大新闻网站的文章，涵盖时事、政治、经济等领域。 ^GJ0LUDrv

• 对话数据：从论坛、社交媒体等获取的对话文本，有助于模型理解人类交流方式。  ^EpcnmsHv

⸻ ^DIvvqcUO

🧑‍💻 2. 专业领域数据 ^erTWZ0YC

为了提升模型在特定领域的表现，训练数据还包括： ^PM5rRJEx

• 科学论文：如 arXiv、PubMed 提供的科研论文，增强模型的专业知识。  ^RMJjUO9m

• 代码数据：来自 GitHub、StackOverflow 等平台的代码和相关讨论，支持模型的编程能力。 ^PLL1r3R8

• 法律、医疗等行业数据：专业领域的文档和记录，帮助模型理解行业术语和规范。 ^ZR8eBvgY

⸻ ^00zyAzlE

🌐 3. 社交媒体和用户生成内容 ^g9Y7IXw5

这些数据反映了真实世界的语言使用情况： ^TaSSIccB

• 社交平台内容：如 Reddit、微博、知乎等用户发布的帖子和评论。  ^Yegzwfzk

• 博客和论坛：个人博客、技术论坛等提供的非正式文本。 ^IeKDuegv

• 问答社区：如 StackExchange 系列网站的问答内容，涵盖多种主题。 ^XiVf8ybR

⸻ ^qPDGThnb

🏢 4. 企业和合作数据 ^xufK8hOv

一些模型还利用了特定组织或合作伙伴提供的数据： ^TOHwVLY2

• 企业内部数据：如客户服务记录、产品文档等，用于定制模型以满足特定业务需求。 ^4gj1IqaQ

• 合作伙伴数据：通过与其他组织合作，获取特定领域的数据资源。 ^Gx2bywzt

⸻ ^pIRmzXhy

⚠️ 数据使用的法律和伦理考量 ^mD7ufm1K

在使用上述数据进行模型训练时，必须注意： ^V6Idak65

• 版权问题：确保数据的使用符合版权法规，避免侵犯原作者权益。 ^WsY0qTxb

• 隐私保护：对包含个人信息的数据进行脱敏处理，保护用户隐私。 ^cScO5t2h

• 数据偏见：识别并尽量减少训练数据中的偏见，防止模型输出不公正或歧视性的内容。 ^9AQKCI1D

⸻ ^EYX2SC6S

通过多样化的数据来源，语言模型能够学习丰富的语言结构和知识。然而，数据的质量和合法性直接影响模型的性能和可靠性。因此，在数据收集和使用过程中，遵守相关法律法规和伦理准则至关重要。 ^JFSs7UOY

提词器的用途与价值？ ^YIiFPNck

1）上下文信息 2）待处理数据 3）输出格式要求 ^mL4x77U2

GPT运作机制是文字接龙，不断预测下一个位置可能出现的字 这是基于概率与所学习的资料得出的 ^1RR5PkHM

规范格式 举例子 在例子在给出思考过程（少样本链式思考提示法） ^lKEMMORN

提高GPT理解 扮演 引导 符号 ^jgXBEUCF

ABC分析法 ^l7xHrkdd

A 类商品：单品利润高，占总商品类别的 20%，不出意外会带来总利润的 80% 左右，需要作为下一季的主推商品； B 类商品：单品利润一般，占总商品类别的 15%，带来总利润的 15% 左右； C 类商品：单品利润低，占总商品类别的 65%，不出意外带来的利润只占总利润的 5% 左右，需要清仓处理。 ^zTohuTqK

绘制用户画像 ^91rO95lN

对用户行为和特征的一种概述。我们根据用户在使用产品时留下的种种数据， 给他们贴上一系列标签，并预测他们的行为。比如根据用户是什么性别，哪里人，兴趣爱好是什么等等， 据此找出同类人的共同特征，以便提供更精准的服务。 ^i4l9gpwr

案例，构建用户画像目标 用户的地区分布、性别分布、年龄段分布和手机平台分布是怎样的？ 不同性别、手机平台、地区与年龄段的用户，付费意愿如何？ 北京与上海两市，不同性别、手机平台、与年龄段的用户，付费意愿如何？ ^HyDVOWbe

Element Links

uHIt6OGy: 扇贝-技能课

Embedded Files

4f3691913d4cf623d1ea64c8514ebd938b3bbfcf: Pasted Image 20250409023516_407.png

958d4e173b5c6a60dcc91e42f5284dec1c8d0194: Pasted Image 20250409023600_018.png

13dc765e4bfb69e6ed6ac9e0a8f71dc35d16d83b: Pasted Image 20250412003332_883.png

768055794b89c20ecc209131a6937dcf4bbbdb76: Pasted Image 20250412003846_866.png

238032578e588331437dc7c168b4d10788b693d0: Pasted Image 20250412004726_729.png

a2a0e28d6637f6a609059e063321f25640b3cfaa: Pasted Image 20250412005334_318.png

301921f8a883d466b4ba7b680f7d6c486fcda7c0: Pasted Image 20250412102946_811.png

3cc0d87451cef1eff59aa172c650ebb0457c54fa: Pasted Image 20250412103305_231.png

ff75061e6826af3ed6e8b1edc1b25a42c54d6a5e: Pasted Image 20250412103810_975.png

64cec232e933badb1824ac1b0c52e6db299a74b4: Pasted Image 20250412104105_831.png

4500b52960b703cac02baea9fe9cdc3c94f663c0: Pasted Image 20250412155336_061.png

fbda0a50d3197272accb0a57a175410c772712ed: Pasted Image 20250412160146_963.png

e55fa15c2baebb687b4469c0746c1709b98021ef: Pasted Image 20250413130409_765.png

09af521672baa1d79a4e027d2e962e70fe55a8a9: IMG_1832.png

a3fe131e8300ca23970af4056deb7d786e978c90: IMG_1833.png

4ade1e75539dc2137e616f58301d22e1a254d798: IMG_1834.png

044900623c1a292d2397370c23f310ee5f6a47e8: IMG_1835.png

2dec43dc2acf221a2b9d2ac3407fcb90357f9887: IMG_1836.png

f96352284407b754244cc2a2cc742f6d77d53942: IMG_1837.png