chatGPT 在最近火爆全网，使人工智能获得突破性的进展。我在官网注册账号,使用了一段时间。结合自己对深度学习的理解，总结如下。
提示词(prompt)
跟UIE 一样，chatGPT 也需要提示词，同样的问题，提示词不对，会没有答案或给出的答案不对。
- 给定文本提标题，关键词，摘要
例如：给出以下文本的关键词\摘要\标题: xxxxxx
这种算出的答案还是挺好的。 比一些TextRank, MMR 算法抽取效果好。
- 推荐相关领域的专家
例如： 固态电池的专家 推荐 10个。
这种推荐的专家，格式对，但人不对，找不到这些人。而且几轮下，每轮推荐的人都不一样。结果不能用.
返回结果：
以下是固态电池领域的10位专家（按姓氏首字母排序）：
陈静华，中国科学院院士，固体电解质材料领域专家；
傅小兰，清华大学教授，固态电池领域专家；
龚成，北京理工大学教授，固态电池领域专家；
黄道峰，中科院福建物质结构研究所研究员，固态离子导体领域专家；
李永生，中国工程院院士，固态电池领域专家；
马骏，中国科学院上海硅酸盐研究所研究员，固态电解质材料领域专家；
唐有祺，清华大学教授，固态电解质领域专家；
王文清，中国科学技术大学教授，固态电解质领域专家；
肖桂林，中国科学院化学研究所研究员，固态电解质材料领域专家；
袁寿其，中科院化学所研究员，固态离子导体领域专家。
- 指定地名所在城市：
例如：天安门在哪个城市？
这种问题还是很准的。我测了几个都正确。
返回结果：
天安门位于中国北京市的中心城区。
- 写爬虫代码，爬取列表页到详情页：
这种prompt 需要有几轮的测试， 最终代码可用。
- 旅游线路问题：
例如：给我规划一个3天去五台山的旅游计划
这种规划的线路有些问题，有些地点不存在。
- 写总结，写报告
- 写古诗
- 文本润色与改错
例如：润色下面这段话，修正其中的语法错误，使用正式的文风：机器学习正式一个好的工具啊，他啥都做，比如他可以帮我修一修语法和拼写地错误。
- 文本翻译
例如：翻译下面这段话：Knowledge is power! And it exists in the ChatGPT!
返回结果：
知识就是力量！而这种力量存在于ChatGPT中！
- 文本抽取，如简历抽取
周仲明，男，汉族，1963年11月生，大学学历，文学硕士学位，中共党员，现任河北省人大常委会副主任、党组成员。抽取其中的姓名，性别，民族，出生年月，学历，学位，职位
结果：
姓名：周仲明
性别：男
民族：汉族
出生年月：1963年11月
学历：大学学历
学位：文学硕士学位
职位：河北省人大常委会副主任、党组成员
使用chatGPT 训练一个分类器
参考:mp.weixin.qq.com/s/tBjQIbPb3…
另一些参考
prompt in english:github.com/f/awesome-c…
prompt ：github.com/howl-anders…
技术点
chatGPT 是在经历了多轮迭代之后，才出现的产物。从最开始的 GPT-1.0, 经历了GPT- 2.0 , GPT-3.0 , GPT-3.5 再到instructGPT, chatGPT. 在官网，注册账号后，有 openai python库可以直接使用。 API 调用的 Text-davinci-03，跟网站模型有些差别。 差别在RLHF
RL: Reinforcement Learning (强化学习) 强化学习不需要预先给定任何数据，而是通过接收环境对动作的反馈获得学习信息并更新参数
RLHF: 以人类反馈进行的强化学习。
