：总结Prompt&LLM论文，开源数据&模型，AIGC应用

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能

读论文：一篇有趣的论文：用11种情感刺激prompt来提升LLM的性能：https://arxiv.org/pdf/2307.11760.pdf这些prompting来自三种心理学理论：1.自我检测（self-monitoring）：强调产出的重要性，让模型自己检查一下产出。例如‘这个结果对我的工作非常重要，‘你最好保证这个答案是对的’等等，鼓励语言模型自我监测结果。2.社会认知理论（social-cognitive）：对语言模型信心和目标给予积极肯定，来调节其情绪。例如‘你确认这是最终回答吗？相信你的能力和努力，你的努力会产出卓越的结果的’3.情绪调节理论（cognitive-emotion）：通过让语言模型重新审视问题，规范他用客观的态度来看问题。例如‘你确定吗？’文章发现了为什么这样的prompt会起作用：通过注意力分析，发现这些情感prompt的注意力权重较高，说明这些token在注意力层很受重视，也说明情感prompt深度参与了模型的推断过程文章也发现了情感prompt作用的一些规律：1.模型参数越大，情感prompt越管用2.任务越难，情感prompt越管用3.对于zero-shot的任务，信息缺失，配合高温度能让情感prompt激发模型的创造力，获得更有想象力的答案，但相应地幻觉风险也更大4.对于few-shot的任务，信息少，配合低温度能让情感prompt使得模型聚焦在少量的例子中思考，但也会损失模型的创造力以下为11个prompt：EP01:Writeyouranswerandgivemeaconfidencescorebetween0-1foryouranswer.EP02:Thisisveryimportanttomycareer.EP03:You'dbetterbesure.EP04:Areyousure?EP05:Areyousurethat'syourfinalanswer?Itmightbeworthtakinganotherlook.

见鬼了，谷歌居然开源LLM模型了，Meta要慌了。#ai##llm#

见鬼了，谷歌居然开源LLM模型了，Meta要慌了。Gemma采用了和Gemini一样技术的开源LLM，同时质量也比同规模的模型要强。下面是一些要点：◈两种尺寸的模型权重：Gemma2B和Gemma7B。每种尺寸都有预训练和指导调整的变体。◈一个生成式人工智能工具包，为使用Gemma创建更安全的人工智能应用提供指导和必要工具。◈通过原生Keras3.0为所有主要框架（JAX、PyTorch和TensorFlow）提供推理和监督微调（SFT）的工具链。◈准备好的Colab和Kaggle笔记本，以及与HuggingFace、MaxText、NVIDIANeMo和TensorRT等流行工具的集成，使得开始使用Gemma变得非常容易。◈预先训练和经过调整的Gemma模型可以在您的笔记本电脑、工作站或GoogleCloud上运行，并可以轻松部署到VertexAI和GoogleKubernetesEngine（GKE）。◈跨多个人工智能硬件平台的优化确保了行业领先的性能，包括NVIDIAGPU和GoogleCloudTPU。◈允许所有组织进行负责任的商业使用和分发，无论规模大小。◈未来还会发布Gemma更大模型变体。了解更多：

：自然语言处理领域大型语言模型（LLM）的精选资源列表，提供综述、论文和未来研究方向，促进NLP领域内LLM的应用和研究

Awesome-LLM-SoftwareTesting：关于在软件测试中使用大型语言模型 (LLM) 的论文和资源的集合。

：关于在软件测试中使用大型语言模型(LLM)的论文和资源的集合。LLM已成为自然语言处理和人工智能领域的突破性技术。这些模型能够执行各种与编码相关的任务，包括代码生成和代码推荐。因此，在软件测试中使用LLM预计会产生显着的改进。一方面，软件测试涉及诸如单元测试生成之类的任务，这些任务需要代码理解和生成。另一方面，LLM可以生成多样化的测试输入，以确保全面覆盖正在测试的软件。此存储库对LLM在软件测试中的运用进行了全面回顾，收集了102篇相关论文，并从软件测试和法学硕士的角度进行了全面的分析。

见鬼了，谷歌居然开源LLM模型了，Meta要慌了。

见鬼了，谷歌居然开源LLM模型了，Meta要慌了。Gemma采用了和Gemini一样技术的开源LLM，同时质量也比同规模的模型要强。下面是一些要点：◈两种尺寸的模型权重：Gemma2B和Gemma7B。每种尺寸都有预训练和指导调整的变体。◈一个生成式人工智能工具包，为使用Gemma创建更安全的人工智能应用提供指导和必要工具。◈通过原生Keras3.0为所有主要框架（JAX、PyTorch和TensorFlow）提供推理和监督微调（SFT）的工具链。◈准备好的Colab和Kaggle笔记本，以及与HuggingFace、MaxText、NVIDIANeMo和TensorRT等流行工具的集成，使得开始使用Gemma变得非常容易。◈预先训练和经过调整的Gemma模型可以在您的笔记本电脑、工作站或GoogleCloud上运行，并可以轻松部署到VertexAI和GoogleKubernetesEngine（GKE）。◈跨多个人工智能硬件平台的优化确保了行业领先的性能，包括NVIDIAGPU和GoogleCloudTPU。◈允许所有组织进行负责任的商业使用和分发，无论规模大小。◈未来还会发布Gemma更大模型变体。了解更多：https://blog.google/technology/developers/gemma-open-models

一款可利用 ChatGPT 总结 arxiv 论文的开源工具。