获取完整版--》请留言
随着 ChatGPT 和 GPT-4 等强大生成模型出现,自然语言处理任务方式正在逐步发生改变。鉴于大模型强大的任务处理能力,未来我们或将不再为每一个具体任务去 finetune 一个模型,而是使用同一个大模型,对不同任务设计其独有的 prompt,以解决不同的任务问题。
在该实验中,我们将基于清华开源大模型 ChatGLM-6B, 提供多个自然语言处理任务如何通过 prompt 来实现 zero-shot 的案例,本案例拟虚拟一个公司的客服系统。
本实验中提出几个任务,并采用代码完成任务
- 任务1:客服打招呼任务
- 任务2:实现交谈任务分类
- 任务3:实现交谈内容相似度任务
- 任务4:实现交谈内容结构化提取任务
- 任务5:实现本地知识库和网络搜索的增强任务
- 任务6:实现自动化任务
任务中保证以下四个原则:
- 不允许直接发送任何消息直接给输出(user)
- 只能通过构造prompt的内容来调整input
- 不允许截获和修改模型的output内容
- 除了构造history,不允许干涉模型的输出