参数设定+20 个小命令
- 温度 (Temperature):
– 温度是一个介于 0 和 1 之间的值（通常在这个范围内，但可以超过 1）。它影响模型输
出的多样性。
– 如果温度接近 0，模型更有可能输出它认为最可能的答案。
– 如果温度较高（接近或超过 1），输出的答案将更加随机。
– 一般来说，如果你想要更确定、更专业的答案，可以使用较低的温度。如果你希望看
到更多样性的答案，可以提高温度。
- top-p (Nucleus sampling)
– top-p 是一个过滤机制，它会根据每个令牌的概率来选取一个子集，并仅从该子集中随
机选择下一个令牌。
– 如果 top-p 设置为 0.9，那么会选择最小的令牌集合，使其累积概率大于或等于 0.9。
– 与较低的温度类似，较小的 top-p 会导致输出更加确定。而较大的 top-p 会产生更多样
性的输出。
- 最大令牌数 (Maximum tokens):
– 这个参数限制了模型输出的最大长度。例如，如果设置为 100，那么模型输出的文本
长度不会超过 100 个令牌。
- 重复率惩罚 (Repetition penalty):
– 这个参数是为了减少模型输出中的重复内容。
– 如果设置大于 1，模型会被惩罚输出重复的令牌，使得输出中的重复减少。
– 如果设置小于 1，这可能会增加模型输出的重复性。
– 通常，如果你发现模型的输出中有大量重复，可以考虑增加这个值。
如何设置这些参数主要取决于你的具体需求。如果你希望获得更专业、准确的答案，你可能会选择较低的温度和 top-p 值，同时设置一个合理的最大令牌数，并根据需要调整重复率惩罚。如果你想看到更多的创意和多样性，可以尝试增加温度和 top-p。
小命令
- **”Let’s think step by “**
– 让我们逐步思考。
- **”Think deeply before “**
– 在回答之前深入思考。
- **”Answer “**
– 简洁地回答。
- **”Take your time and be “**
– 慢慢来，要全面。
- **”Imagine you’re explaining to a 5-year-old.”**
– 想象你在向一个 5 岁的孩子解释。
- **”Provide pros and “**
– 提供优点和缺点。
- **”Break it down into bullet points.”**
– 把它分解成要点。
- **”Just give me the “**
– 只告诉我事实。
- **”Be objective.”**
– **中文**: 客观地回答。
– **作用**: 这个命令鼓励模型提供没有偏见或主观观点的答案。
- **”Give examples to “**
– **中文**: 用例子来说明。
– **作用**: 提示模型使用实例或例子来解释或证明其观点。
- **”Answer as if you’re an expert in the “**
– **中文**: 像专家那样回答。
– **作用**: 这将引导模型提供更为深入和详尽的答案。
- **”Summarize the main “**
– **中文**: 总结主要观点。
– **作用**: 使模型提供一个简明扼要的总结。
- **”Avoid technical “**
– **中文**: 避免使用技术术语。
– **作用**: 这会鼓励模型以更通俗易懂的方式回答。
- **”Speak from a historical “**
– **中文**: 从历史的角度来说。
– **作用**: 这会使模型从历史背景或演变的角度来提供答案。
- **”Consider all “**
– **中文**: 考虑所有可能性。
– **作用**: 这鼓励模型给出多方面的答案或看法。
- **”Provide a brief overview “**
– **中文**: 首先提供一个简短的概述。
– **作用**: 这指导模型首先给出一个简短的概览，然后再深入详细地解释。
- **”Be creative in your “**
– **中文**: 在你的回答中展现创意。
– **作用**: 这鼓励模型给出不同寻常或更有创造性的答案。
- **”Prioritize clarity and “**
– **中文**: 优先考虑清晰与简单。
– **作用**: 这提示模型在保证清晰性的同时，尽量简化答案。
- **”Give an “**
– **中文**: 使用比喻来解释。
– **作用**: 引导模型使用类比或比喻来解释一个概念。
- **”Speak with “**
– **中文**: 充满热情地回答。
– **作用**: 让模型以充满活力和热情的方式回答。
