GPT不擅长数学计算
GPT是语言模型
GPT是个语言模型。它是用人的语言训练出来的。
GPT更像人脑，而不是像一般的计算机程序。所以同样不擅长逻辑计算。
本质上，语言模型的功能就是对文本进行「合理的延续」，说白了就是预测下一个词该说什么，GPT只是在寻找下一个词。
在模型设置有一个“温度”（Temperature）的参数，就是用来调节“合理”的范围。
Temperature：简单来说，temperature 的参数值越小，模型就会返回越确定的一个结果。如果调高该参数值，大语言模型可能会返回更随机的结果，也就是说这可能会带来更多样化或更具创造性的产出。
Top_p：同样，使用 top_p（与 temperature 一起称为核采样的技术），可以用来控制模型返回结果的真实性。
链式思考（CoT）提示技巧反应了这一点，即通过中间推理步骤实现复杂的推理能力。
GPT很擅长编程，却不能自己执行程序，就是因为编程是语言行为，执行程序是计算行为。
目前的提示工程或者提示技巧，很像搜索引擎刚出来的时候，也是有很多搜索技巧。随着技术发展，AI越来越智能，技巧就会不再那么重要，但目前还是需要的。
提问技巧
准确描述功能需求
尽量给出具体的情境
除了详细描述上下文，角色扮演是个很好的方法。
引导它思考
除了设计让AI等待指令继续执行，仅仅在提示词中加入“我们一步一步实现”，效果就很明显。
不适合问什么问题
需要系统性知识背景的问题
就像学习一样，不懂的领域大概率提不出好问题，AI很可能会答非所问，你也没办法判断对错。
实际开发还是要从官方文档开始，而不是AI，尤其是自己陌生的领域。
包括阅读也是一样，AI代替不了深度的阅读和思考。ChatDoc、ChatPDF、ChatYouTube这类摘要类工具，适合当做书友在阅读之后进行更深入的提问和交流。如果直接去问，大概率得到的也是非常粗浅的内容。
时效性高的问题（联网后应该会解决）
对话式学习
对话式的学习。这也许是「学习」最原本的样子。我们设想，在书籍变得流行之前，在没有正规教材，甚至都没有正规课堂的时候，在孔子和苏格拉底那个时代，学习大概就是以师生问答的形式进行的。
ChatGPT非常符合这类学习，看到一种有意思的提问方式：苏格拉底式提问。可以让AI提问你回答，也可以让它自问自答。
评论