文本概括
自然语言生成中的一个标准任务是文本摘要。文本摘要可以涵盖许多不同的风格和领域。
反例
提示词：
解释抗生素。
输出：
抗生素是一种用于治疗细菌感染的药物，通过杀死细菌或阻止其繁殖，使人体免疫系统能够对抗感染，通常以药片、胶囊或液体溶液的形式口服，有时也可静脉注射，对病毒感染无效，不当使用会导致抗生素耐药性。
正例
提示词：
抗生素是一种用于治疗细菌感染的药物，通过杀死细菌或阻止其繁殖，使人体免疫系统能够对抗感染，通常以药片、胶囊或液体溶液的形式口服，有时也可静脉注射，对病毒感染无效，不当使用会导致抗生素耐药性。用一句话解释上面的信息：抗生素是治疗细菌感染的药物，通过杀死细菌或阻止其繁殖起作用，但对病毒无效且不当使用会导致耐药性。
输出：
抗生素是用于治疗细菌感染的药物，通过杀死细菌或阻止其繁殖起作用，但对病毒无效，过度使用会导致抗生素耐药性。
信息提取
语言模型是被训练用于执行自然语言生成及相关任务，但它同样非常擅长执行分类和一系列其他自然语言处理（NLP）任务。
提示词：
研究论文中的作者贡献声明和致谢应明确说明作者在准备手稿和分析时是否以及在多大程度上使用了ChatGPT等人工智能技术。他们还应指出使用了哪些LLM。这将提醒编辑和审稿人更仔细地审查手稿，以发现潜在的偏见、不准确和不恰当的来源。同样，科学期刊在使用LLM方面也应该透明，例如在选择提交的手稿时。
上一段中提到的基于大型语言模型的产品是？
输出：
上文段落中提到的基于大型语言模型的产品是 ChatGPT。
问答
让模型给出具体回答的最佳方法之一是改善提示的格式。如前所述，一个提示可以结合指令、上下文、输入和输出指示（output indicators）来获得更好的结果。虽然这些组成部分不是必需的，但随着你给出的指令越具体，你将获得越好的结果，这成为了一种良好的实践。
提示词：
根据以下上下文回答问题。保持答案简短明了。如果不确定答案，请回答“不确定答案”。
背景：Teplizumab的起源可以追溯到新泽西州一家名为Ortho Pharmaceutical的制药公司。在那里，科学家们产生了一种早期版本的抗体，称为OKT3。该分子最初来源于小鼠，能够与T细胞表面结合并限制其细胞杀伤潜力。1986年，它被批准用于帮助预防肾移植后的器官排斥反应，使其成为第一种允许人类使用的治疗性抗体。
问：OKT3最初来源于什么？
答案：
输出：
小鼠
文本分类
提示词：
输出：
对话
提示词：
输出：
代码生成
提示词：
输出：
推理
提示词：
输出：
Notebook
提示词：
输出：
想法或问题？在 GitHub Issue 下方参与讨论
去评论