建设娱乐网站的要求,django网站开发视频教程下载,百度搜索网页,起名最好的网站排名「十项全能」的 ChatGPT #xff0c;用起来感受如何#xff1f; 之前#xff0c;作为 ChatGPT Plus 用户#xff0c;如果你集齐下面这五个模式#xff0c;就会成为别人羡慕的对象。 但现在#xff0c;人们更加期盼的#xff0c;是下面这个提示的出现#xff1a; 这个提… 「十项全能」的 ChatGPT 用起来感受如何 之前作为 ChatGPT Plus 用户如果你集齐下面这五个模式就会成为别人羡慕的对象。 但现在人们更加期盼的是下面这个提示的出现 这个提示意味着你的 GPT-4 已经不再是「一专」只能使用某一模式而是「多能」根据需要自动调用不同模式的功能。 例如你可以让 ChatGPT 看到一幅图原本的基础模式然后让它自动理解总结图片的内容并且要求它绘制出类似的图片原本的 DALLE模式。当然你还可以让它自动编程原本的 Advanced Data Analysis 模式或者访问网络原本的 Browse with Bing 或者插件模式。 这样一来用户的想象力就可以变成特别有趣有用的实践过程。例如王佩老师就让 ChatGPT 绘制简笔画。他对绘制结果很满意。 见贤思齐于是我又把自己的微信头像传上去了。要求 ChatGPT (GPT-4 All Tools 画成皮克斯风格 于是我获得了这样的图像 呃除了人物不像我以及背景多了一只狐狸我没有啥可抱怨的…… 同时生成的还有另外一幅作品。咱们也放大看看。 可这…… 也太不像我了啊。于是我提出了这样的要求 画成皮克斯风格注意人物一定要像。 这次 GPT-4 全模式 (All Tools) 的绘图结果是这样的 这个…… 你要非得说像我我无话可说。 我查看了对应的提示词 Photo of a cheerful man outdoors, wearing a light blue polo shirt and a backpack. He is Asian, with short black hair, smiling warmly with a backdrop of mountains covered with green and reddish trees under a cloudy sky. The image should be transformed into a Pixar-style animation, maintaining the likeness and expression of the person, but with the enchanting and whimsical characteristics typical of Pixar animations. 对应的翻译为 一张快乐男子在户外的照片他穿着浅蓝色的 Polo 衫背着背包。他是亚洲人有短黑发背景是山脉山上覆盖着绿色和红色的树木天空多云。他的笑容温暖。这张图片应该被转化为皮克斯风格的动画保持人物的相似性和表情但具有皮克斯动画典型的迷人和异想天开的特点。 我旋即明白了图片画得不像我就是 ChatGPT 识图后总结提示词的原因。这里只描述为「亚洲人」、「快乐男子」和「短黑发」至于脸型、五官之类的丝毫没有涉及那当然没有办法「完美复刻」了。 我在视频中提到了这个问题。有观众提示我说可能是在上传人像的时候ChatGPT自动做了面部模糊化处理以保护人物肖像权我觉得非常有道理。回头我准备找个卡通头像上传上去试试看。 看完了这个有趣的例子咱们该讲讲严肃的事儿了 —— 如何利用 GPT-4 全模式 (All Tools) 帮助你更好地学习和工作 学习 咱们先从一个最常见的场景开始 —— 上课的时候看到课件里面的英文不会该怎么办 这时候你可以拍张照或者截屏让 GPT-4 全模式 (All Tools) 帮助你来翻译。上面这张幻灯截图它的翻译如下 描述了使用大语言模型LLM时的提示prompting能做什么。图片中提到如果给一个刚刚毕业的大学生一些指导他们是否能够完成任务。为了更加清晰明了假设情况如下 没有互联网或其他资源的访问权限 对你的公司 / 业务没有特定的培训 没有完成先前任务的记忆 每次都会得到一个不同的新毕业的大学生 图片旨在探讨在没有额外资源和指导的情况下一个新毕业的大学生是否能够根据给定的指导完成任务。 你可能对此不屑一顾 —— 这简单的翻译功能我手机上的 XX 应用早就有了。 没错但是 ChatGPT 可不仅仅会翻译哦。你看到一页幻灯如果对其中内容有不清楚的地方可以立即呼唤你的这个「私人助教」来帮忙总结和解答。例如下面这页幻灯是吴恩达老师在新课程 Generative AI for everybody 中对「监督学习」应用的总结。 我截图发给 GPT-4 全模式 (All Tools) 要求用中文总结图中内容。 这是 GPT-4 的回答 这张图片是 Andrew Ng 在讲解监督学习的应用。图片中列出了不同的输入、输出和相应的应用场景。例如输入可以是电子邮件输出是判断这封邮件是否为垃圾邮件应用场景是垃圾邮件过滤。其他的应用还包括在线广告、自动驾驶车辆的其他车辆位置识别、医疗诊断、视觉检测、语音识别和餐厅评论的情感分析等。每个应用都涵盖了将输入数据如图像、广告和用户信息、音频记录等转换为有意义输出如诊断、缺陷检测、文本转录等的过程。 你看ChatGPT 打通各个模式之后拿来当助教非常合适讲解耐心不厌其烦。更妙的是你不仅可以让它识别幻灯帮你讲解还能要求它立即给你写出对应例子的程序代码来。 编程 例如我刚刚听完 GPT-4 全模式 (All Tools) 的总结依然对监督学习没有形象的概念。于是我下面的提示语为 就找上面的一个例子给我写一段监督学习的 Python 代码 ChatGPT 就立即开始干活儿了。 在你看到代码之后是不是对监督学习的模型训练流程概念理解更加清晰了呢有了这种快速支援相信你学东西会更加扎实疑问也能更及时得到解决。 况且你不要忘了GPT-4 全模式 (All Tools) 还包含了 Advanced Data Analysis 模式也就是可以把程序直接作用在数据集上面帮助你实验甚至解决实际的问题。下面我们就来看看如何用 ChatGPT 来「看到」实际的数据并且进行分析。 数据分析 我这里举的例子也来自于吴恩达老师的新课。他提到了很有意思的问题 ——LLM 对结构化数据处理不好。 我觉得这个观察很有意思但是将信将疑于是立即就把数据截取出来尝试。我问 ChatGPT 这个表格里面有对应的面积和价格那么 900 sqft 的房子对应的价格是多少请一步步思考并且详细说明你的解题过程 下面是 ChatGPT 的回答 你看要公式有公式要代码有代码。数据齐全分析清晰。只可惜这个线性插值计算方法并不完美因为利用数据太少了。为了帮助 ChatGPT 改进结果咱们还可以这样来追问 好但是你能否充分利用上全部数据来建模并且测算呢 ChatGPT 旋即给了答案。 如果你希望了解 ChatGPT 如何计算还可以点开被折叠的工作区查看对应代码。 你看原先表格中的所有数据确实都被使用了进来。但是这个计算的结果是否正确希望你能够检验一下然后在留言区给出自己的判定答案。 论文阅读 下面这个功能更是很多小伙伴期待已久的 —— 你可以直接把 PDF 格式的文档扔给 ChatGPT 了。GPT-4 全模式 (All Tools) 可以自动识别其中的内容并且进行分析和回答你提出的问题。 例如我从 arxiv.org 下载了 MemGPT 论文的全文。 然后我把它扔给 GPT-4 全模式 (All Tools) 提出的要求为 给我介绍一下这篇文章的亮点 这是 ChatGPT 速度很快读过文章后给出的结果。 我们让 ChatGPT 简单翻译一下前面几段 论文《MemGPT: 朝着作为操作系统的 LLMs》介绍了一种旨在克服当前大型语言模型LLMs的有限上下文窗口限制的新系统。以下是其亮点的详细说明 1. 虚拟上下文管理作者引入了一种技术通过借鉴传统操作系统中的分层存储系统扩展了LLMs的可用上下文范围超越了标准固定长度上下文窗口的限制。这种技术被称为虚拟上下文管理通过在快速和慢速存储层之间的数据移动实现了更大内存的幻象。 2. MemGPT系统基于这种技术派生出了MemGPT系统它利用分层存储结构和中断来管理LLM、存储器和用户之间的数据流和控制。该系统可以在任务进行过程中调整上下文更有效地利用有限的上下文。 3. 在文档分析和对话代理方面的性能论文展示了MemGPT在文档分析和多会话聊天领域的增强性能。它能够分析大量文档并保持长期交互超越了LLM的上下文窗口限制。 很好这至少证明 ChatGPT 看懂了 PDF 论文全文内容。你也可以就文本内容提出问题让它来回答。不过类似的内容我在讲 Chatdoc 的时候都演示过了。这回咱们要充分利用它的全模式功能搞点儿新花样。 我要求 把上述内容用图展示出来要求让一个中学生能够看懂 于是 ChatGPT 这样绘制 我们放大一下第一张图。 这张图非常有趣。它知道论文主角是一个机器大脑要解决的问题是记忆体的限制。图中主体设计成一种类似操作系统的架构上面是个戴学士帽的机器人。联接的小图都是与上下文、记忆体、检索能力相关还提到了「快速」等特性。另外还有很多相关的文字作为讲解介绍。 当然了这个图的毛病也是显而易见的。例如说里面出现了很多奇怪的单词都像是半文盲写的 —— 有很多拼写错误。不过你不用担心这只是个开始。你要相信 LLM 的演进速度。 绘图做完了咱们尝试一下表格数据的读取。这里我选择了 Table 2 的内容作为样例。 我要求 ChatGPT 来总结其内容并且进行可视化 这里咱们看看其操作过程的细节。 首先 ChatGPT 确实在上传的 PDF 里面找到了表格 2 对应的位置和内容。 然后ChatGPT 进行了编程计算最终给出了下图的结果。 初看这张图你可能会很不以为然。没错这张图确实画错了。F1, Precision 和 Recall 如果真的这么惨不忍睹也就没有汇报的必要了。但是这错误也是有原因的。 原始论文中对 Accuracy 准确率和其他三个指标表现形式就不一样 —— 前者是百分数后者是小数。目前 ChatGPT 对于同一表格不同列数据这种转换还没有做到灵活自如因此才会出这样的纰漏。 但是你看到不论是模型类型、图例说明和对应数据ChatGPT 在读取表格的时候确实已经尽可能做到了一一对应。因此只要你在后续对话中稍加提示绘图效果就会大不一样。 所以现在的 GPT-4 全模式 (All Tools) 确实是可以「看到」图和表这对于我们来说意义很大 —— 论文中出现的数据你至少可以更为灵活自如地进行二次分析与验证了。 小结 本文我为你介绍了自己使用 GPT-4 全模式 (All Tools) 来辅助工作和学习的一些心得体会。总体来说ChatGPT 全模式打通之后可以更方便调用各种「艺能」。它可以帮助你更快速理解消化新信息、按照你的个性化要求给出样例根据上下文做出总结问答并且帮你进行自动数据分析。希望这些功用的分享可以帮助你更高效地完成任务获得新知。 祝更强悍的AI 工具使用愉快 点赞 「在看」转发给你身边有需要的朋友。收不到推送那是因为你只订阅却没有加星标。 欢迎订阅我的小报童付费专栏每季度更新不少于10篇文章。订阅一整年价格优惠。 如果有问题咨询或者希望加入社群和热爱钻研的小伙伴们一起讨论订阅知识星球吧。不仅包括小报童的推送内容还可以自由发帖与提问。之前已经积累下的帖子和问答就有数百篇。足够你好好翻一阵子。知识星球支持72小时内无条件退款所以你可以放心尝试。 若文中部分链接可能无法正常显示与跳转可能是因为微信公众平台的外链限制。如需访问请点击文末「阅读原文」链接查看链接齐备的版本。 延伸阅读 如何用 ChatGPT 的 Advanced Data Analysis 帮你采集数据如何用 ChatGPT 帮你自动分析数据如何用 ChatGPT 做数据进阶可视化三维交互图与动图视频笔记本上就能跑的 LLM 好使吗GPT4ALL 体验如何让 ChatGPT 更懂你新功能 Custom Instructions 尝试
