本手册说明了 Open AI 的 Chat GPT 的多种功能，可帮助开发人员和内容创建者提高他们在跨媒体内容创建、自然语言处理和编程等各个领域的大型语言模型提示方面的熟练程度。

输入：?为科幻小说编写一段简介

”《时空转换》是一部震撼人心的科幻小说，讲述了一群勇敢的科学家和宇航员如何在未来世界里探索时空的奥秘。他们在发现一种神秘的能量源之后，决定冒险进入未知的星系，探索宇宙的边缘。在他们的旅途中，他们面对着各种各样的挑战和危险，但也发现了令人难以置信的新世界。最终，他们发现了一个惊人的真相，使得他们对世界和自己的认识发生了巨大的改变。"

输入：?总结这段文字：当尸体被发现时，那是一个漆黑的暴风雨之夜。消息传开后，米尔菲尔德小镇震惊了，当地商人之一被冷血杀害。警方不知所措，镇上的居民也紧张不安。但有一个人，一位雄心勃勃的年轻记者，决心揭开真相并找到凶手。她几乎不知道，这个案子会让她走上一条充满谎言、欺骗和隐藏秘密的危险道路，这将动摇小镇的根基。随着她深入调查，她开始意识到一切都不像看起来的那样，凶手可能比她想象的更接近。

这段文字是关于一个小镇里发生的冷血杀人案的故事简介，当地商人被杀害，警方不知所措，镇上居民紧张不安。一位年轻记者决心揭开真相并找到凶手，她将走上一条充满谎言、欺骗和隐藏秘密的危险道路，随着她深入调查，她开始意识到凶手可能比她想象的更接近。

输入：?嫦娥1号什么时候发射的？

嫦娥1号是中国国家航天局（CNSA）计划的第一次月球探测任务。它于2007年10月24日发射升空，并于2007年11月5日成功登陆月球并进行了科学探测。这次探测标志着中国成为了第三个在月球上进行着陆和科学探测的国家。嫦娥1号携带了多种科学设备，包括高分辨率摄像机、红外线探测器、粉末和气体分析器等。它的成功标志着中国在深空探索领域取得了重大突破。

输入：?重写这段文字：嫦娥1号发射于2007年10月24日。

2007年10月24日发射的嫦娥1号。

输入：

我喜欢披萨，积极

我不喜欢披萨，负面

有时，我喜欢披萨，有时我不喜欢，中性

虽然电影很好，但我有时觉得它有点枯燥，

中性

输入：

总结这张表中的数据：

我喜欢披萨，正面

我不喜欢香蕉，负面

有时我喜欢披萨但有时我不喜欢，中性

虽然这部电影总体上不错但我有时觉得它有点干，中性

总结这张表中的数据： 我喜欢披萨，正面 我不喜欢香蕉，负面 有时我喜欢披萨但有时我不喜欢，中性 虽然这部电影总体上不错但我有时觉得它有点干，中性

输入：

根据此文本创建表格：创建一个包含 2 列的表格，数据为 Apple、Google、Amazon、Meta 这些公司的信息。其中第一列包含的股票代码，另一列包含公司名称。

输入：?对本文中的命名实体进行分类：1971年9月**，**叶文洁找到机会偷偷向太阳发射电波，地球文明的信息第一次真正意义上被发往宇宙的各个角落。

1971年9月：时间 叶文洁：人名 太阳： 天体 地球文明： 文明 宇宙： 天体

输入：

根据下面的文本生成更多数据： “没有智慧，只有费力的噱头” 0（负面） “喜欢它的角色并传达关于人性的一些相当美丽的东西” 1（正面） “完全满足于始终保持不变” 0（负面）

“没有真正的思考，只是盲从” 0（负面） “喜欢它的故事情节和对人性深刻的揭示” 1（正面） “完全满足于缺乏创新” 0（负面） “角色没有深度” 0（负面） “故事让人感到震撼和感动” 1（正面） “缺少了新颖的想法” 0（负面）

输入：?翻译这句话成俄语：祝你新年快乐！

С Новым годом! (S Novim godom!)

chatgpt到底厉害在哪

以下文章来源于穿云寻恒星 ，作者Max

?

1.?从周五到周末ChatGPT已经疯传开来，其对话能力让人惊艳。从玩梗、写诗、写剧本，到给程序找bug，帮人设计网页，甚至帮你生成AIGC的提示词，一副无所不能的样子。可以去Twitter上看Ben Tossell梳理的一些例子，或者自己去试试！一位MBA老师让ChatGPT回答自己的管理学题目，结论是以后不能再布置可以带回家的作业了。很多人用了以后无法自拔，就如这位所见：

?

?

Musk问ChatGPT怎么设计Twitter(不得不说还挺有创意）：

?

?

2.?有人让ChatGPT参加了智商测试，得分83; SAT测试得分1020，对应人类考生52%分位。要知道ChatGPT并没有对数学方面做过优化，已经是相当不错的结果了。

?

?

3.?ChatGPT的提升点

?

?

相比之前的GPT-3，ChatGPT的提升点在于能记住之前的对话，连续对话的感觉让人舒服。

ChatGPT可以承认错误，如果你认为他的回答不对，你可以让他改正，并给出更好的答案。

ChatGPT可以质疑不正确的前提，GPT-3刚发布后很多人测试的体验并不好，因为AI经常创造虚假的内容（只是话语通顺，但脱离实际），而现在再问“哥伦布2015年来到美国的情景”这样的问题，AI已经知道哥伦布不属于这个时代了。

?

?

ChatGPT还采用了注重道德水平的训练方式，按照预先设计的道德准则，对不怀好意的提问和请求“说不”；当然，尽管OpenAI非常小心，这种准则还是可能被聪明的提问方式绕开。

?

4.?ChatGPT的训练方法

?

当下大模型的工作范式是“预训练-微调”。首先在数据量庞大的公开数据集上训练，然后将其迁移到目标场景中（比如跟人类对话），通过目标场景中的小数据集进行微调，使模型达到需要的性能。微调/prompt等工作从本质上对模型改变并不大，但是有可能大幅提升模型的实际表现。人类问问题方式对于GPT-3而言不是最自然的理解方式，要么改造任务，要么微调模型，总之是让模型和任务更加匹配，从而实现更好的效果。?

ChatGPT是22年1月推出的InstructGPT的兄弟模型。InstructGPT增加了人类对模型输出结果的演示，并且对结果进行了排序，在此基础上完成训练，可以比GPT-3更好的完成人类指令。ChatGPT新加入的训练方式被称为“从人类反馈中强化学习”（Reinforcement Learning from Human Feedback，RLHF）。

ChatGPT是基于GPT-3.5模型，训练集基于文本和代码，在微软Azure AI服务器上完成训练。原先GPT-3的训练集只有文本，所以这次新增了代码理解和生成的能力。

?

5.?为什么ChatGPT的提升这么明显

?

除了带有记忆能力、上下文连续对话能带给人显著的交互体验提升，ChatGPT的训练方式也值得关注。上述提到的RLHF方法首见于22年3月发表的论文(Training language models to follow instructions with human feedback)，但根据业界的推测，RLHF并未用到InstructGPT的训练中。InstructGPT所用到的text-davinci-002遇到了一些问题，会呈现出模式坍塌(mode collapse)现象，不管问他什么问题，经常收敛到同样的答案，比如正面情绪相关的回答都是跟婚礼派对相关。

这次RLHF的方法得以在ChatGPT上应用，并取得了很好的效果。但RLHF实际上并不容易训练，强化学习很容易遇到模式坍塌，反馈过于稀疏这类问题，训练起来很困难。这可能也是为什么论文在3月发表，ChatGPT在12月才上线，中间需要大量的时间来调优。

此外，指令调整（instruction tuning）的贡献也很大。InstructGPT虽然在参数上比GPT-3少了100倍（13亿 vs 1750亿），它的输出效果比GPT-3以及用监督学习进行微调的模型都要好得多。

?

根据知乎用户“避暑山庄梁朝伟”的观点：“Instruction Tuning和Prompt方法的核心一样，就是去发掘语言模型本身具备的知识。而他们的不同点就在于，Prompt是去激发语言模型的补全能力，比如给出上半句生成下半句、或者做完形填空，都还是像在做language model任务，而Instruction Tuning则是激发语言模型的理解能力，通过给出更明显的指令，让模型去理解并做出正确的反馈。”

?

参考下图，以前大模型的提升重心更多放在了大模型（LLM）本身和Prompt Engineering上，而ChatGPT的迭代重点是右侧的闭环。

?

action-driven LLM训练流程图

?

?

最后，ChatGPT在过于保守不提供有效回答和提供虚假信息之间做出了较好的权衡。之前Meta用于科研的大模型Galactica上线仅3天就被迫下线，因为提供了过多虚假的信息。这跟Meta的宣传策略也有关，其本意是想帮助研究人员整理信息、辅助写作，但Meta将其模型宣传为“可以总结学术论文，解决数学问题，生成维基文章，编写科学代码，为分子和蛋白质做注解等”，过高期望带来了反效果，科研人员本来就是挑剔的。ChatGPT尽管不能完全避免虚假信息的问题，但可以看出在微调/Prompt方面做了足够细致的工作，一些自相矛盾的提问可以被甄别出来，让用户对其回答更有信心。

?

6.?商业策略也是重要一环

?

这次ChatGPT是免费不限量向公众开放，用户可以尽情在平台上尝试各种奇异疯狂的想法，而此前GPT-3是根据使用量(token)来收费的。在使用过程中，用户可以提供反馈，这些反馈是对OpenAI最有价值的信息。OpenAI并不急于创收也不缺钱，坊间传言最新一轮估值已经达到数百亿美金，还有金主爸爸微软。

?

?

对于AI发展来说，工程的重要性实际上大于科学，创建一个迭代反馈的闭环至关重要。OpenAI很注重商业应用，GPT-3已经拥有大量客户。这些客户跟OpenAI的反馈互动也是推动进步的关键一环。相比之下，谷歌的闭门造车就显得不合时宜，或许是缺乏商业化的文化，或许是受限于投入产出比，谷歌对于大模型的应用一直很“克制”，即便起点很高，但如果一直像Waymo做自动驾驶一样小规模迭代，早晚会被更为开放，获得更多数据的企业超越。

?

?

7.?后续提升点

?

RLHF是一种较新的方法，随着OpenAI不断摸索，结合ChatGPT搜集到的用户反馈，模型还有进一步提升的空间。尤其是在道德/alignment层面，需要屏蔽掉这几天大家试验出来的绕过系统限制产生负面信息的方法。

当然也别忘了，OpenAI还有WebGPT这样的工具，可以理解为高阶版网页爬虫，从互联网上摘取信息来回答问题，并提供相应出处。比如下面的问题How do neural networks work，WebGPT利用了GPT-3本身具备的语义理解能力和互联网公开信息，自己结合出了一份答案，不失为一种升级的搜索能力。

?

?

在MIT Technology Review对OpenAI科学家的采访中，他们提到了后续有可能将ChatGPT和WebGPT的能力结合起来。有网友挖掘出了ChatGPT内设的提示词，其中包含browsing:disabled，把浏览网页能力关闭了，也就是说后续有可能加入这个能力。可以设想，ChatGPT+WebGPT可以产生更为有意思的结果，信息可以实时更新，对于事实真假的判断将更为准确。

?

?

与WebGPT的这种结合，对应到上面?action-driven LLM训练流程图?的左半部分，即连接外部的信息源和工具库。事实上网页搜索只是一种可能，还结合利用各种工具（比如各种办公软件、SaaS软件），实现更丰富的功能。

在产品层面，是不是有更好的界面和实现方式也值得讨论。同屏对话框形式容易让人产生过高的预期，因为要保障对话的流畅性。在这一点上，Github Copilot产品就做得很好，Copilot主打的是programming pair，以伙伴的身份提出建议。从用户角度，这个建议好就接受，不好就不接受；即便提出了很多不被接受的建议，但在随机时间间隔产生的有效建议带来的爽感就会让用户上瘾。如果ChatGPT后续成为写作助手、编剧助手、工作助手等等，类似Copilot的产品形态会容易让人接受。

?

写在最后

?

很多人惊叹于ChatGPT的能力，但其实真正惊艳的还在后面。OpenAI最厉害的不是他关于大模型的理解，而是其工程化、迭代反馈的能力，以及alignment(AI跟人类目标的统一）方面的工作。很欣赏OpenAI CEO Sam Altman的一句话：“Trust the exponential. Flat looking backwards, vertical looking forwards.” ?我们就处在即将起飞的这个点上。

chatgpt能写脚本吗 chat gpt使用介绍

詹士 发自 凹非寺

量子位 | 公众号 QbitAI

ChatGPT写代码，水平究竟如何？

不到5分钟，做出一个WordPress（一款内容管理系统软件）插件，且代码很干净。

测试者名叫David Gewirtz，是一位1982年进入IT行业的老炮，供职过的公司包括：赛门铁克、苹果、Pyramid Technology。

即使拥有40年从业经验，他在见识ChatGPT能力之后，还是不禁发出感慨：

本以为不会有太多惊喜，没成想，还是吓了一跳。

在评测文章中，他还表示这一切既令人着迷，又令人惊讶，同时还令他恐惧。

所以，他具体是怎么做的测试？

我们一同来看下。

精力不够，ChatGPT来凑

此番David老哥之所以要用ChatGPT写代码，源于他妻子在运营电商网站，每月，她需要根据客户群组名单随机选出一部分名字，生成轮播动画。

过去，David老哥的妻子用一个网站生成随机名单，不过，该服务要收费，且不便宜。于是，老哥决定发挥“技术功力”，自己写一个WordPress插件，帮助妻子“降本增效”。

那么问题来了――即便是小小WordPress插件，也需要好几天去完成，这当中需添加用户界面元素，也要编写逻辑代码，鉴于自己实在太忙，于是，David想到――

最近ChatGPT不是很火么？要不试试？

说干就干，他先写了第一个提示，描述想要的文字（代码）到底是什么。

具体如下：

编写一个PHP 8兼容的WordPress插件，它提供一个文字输入区域，可将列表粘贴进去，还带有一个按钮，按下可将输入条目随机排列再显示出来。

不到一分钟，代码就生成出来了：

△ 图源：David Gewirtz/ZDNET

测试者将上述代码复制到一个.php文件中，压缩并上传服务器。

唔，亲测有效。

当他将该插件拿给妻子看，对方一脸惊讶，不过，她马上加了新需求：重复的名字不能挨着。

于是，码农ChatGPT有了新任务。

需要保证相同条目不会挨着（除非没有其他选项）…此外，输入条目数与结果条目数得相同。

30s后，结果来了。

老样子，上传服务器并测试――有效，但输出包含了空行。

那提示它一下。

…不能有空行…

A Few Moments Later……

结果又来了，测试结果没问题。

继续加大力度，测试者希望该插件能统计一下处理了多少行数据。

结果ChatGPT照样能完成。

让我们一起看看，这款插件的最终形态，功能还挺完善：

△ 能生成相应UI并处理一行行数据 图源：David Gewirtz/ZDNET

总结一下。

老哥认为，ChatGPT生成代码亲测有效，满足了需求，其中编写了UI界面及处理逻辑，从代码本身看也很干净。

不过，问题也不是没有。

其中一个瑕疵是――代码里面并未包含WordPress的全部最优/最标准的实现方法，如未进行清理用户输入，此项处理意味着，黑客无法在字段中填充或破坏数据，在WordPress社区也有严格要求。

为此，作者尝试让ChatGPT调整下。结果它调了，但又没完全调……代码只清理了PHP函数输入端，但并未清理用HTML调用PHP时的输入，这会让黑客仍能钻空子。

另一个问题是，作者要求AI编程同时为插件命名，它却生成了一个完全不同的插件。

且后续测试者试图添加更多功能，也无法实现，说明代码维护方面ChatGPT也不是很擅长。

最后，测试的老哥谈了谈自己的感想。

目前，ChatGPT编写一个简单插件倒是没问题，整个过程还是让他眼前一亮的。

不过这仍是个简单任务，相当于一次大学生作业，与之对比下，维护50000个用户的开源插件肯定更为复杂。

网友：可能插入恶意代码

值得一提的是，这位老哥还问过网友――对用ChatGPT生成代码担心什么，并自己给出看法。

有人担心，AI会冷不丁在程序中加入恶意代码或促销信息，对此，测试者补充道，至少在上述编程中，ChatGPT生成代码是干净的。

也有人认为，它无法给出最佳代码，测试者针对该问题认为功能性能满足即可，足够好就足够了。

还有人担心它会替代人类程序员的工作，此番测试的David也有同感。

最后问问，你让ChatGPT敲过代码么？效果如何？

参考链接：

[1]https://www.zdnet.com/article/i-asked-chatgpt-to-write-a-wordpress-plugin-i-needed-it-did-in-less-than-5-minutes/

[2]http://davidgewirtz.com/

[3]https://twitter.com/DavidGewirtz

科技前沿进展日日相见 ~

原标题：《ChatGPT五分钟写完插件，功能完善，还可加需求改BUG》

阅读原文