教学活动
当前位置: 首页 > 教学活动 > 正文
2024春季学期教学共读活动(第一期)成功举办

来源: 日期:2024/05/09 17:53:42点击数:

5月9日19:30, 2024春季学期教学共读活动(第一期)成功举办。西南交通大学郝莉老师领读《AI提示工程:基础·应用·实例》,为我们介绍了AI提示工程由基础到应用实例及后续更新发展的历程。教研室核心成员杨乃琪老师主持共读活动。

郝莉老师以“什么是提示工程?”和“什么是大语言模型?”这两个问题为引入,完成了相关概念的介绍。她表示,提示工程是人工智能自然语言处理(NLP)领域的一个概念:将需要人工智能完成任务的描述嵌入到输入中,通常以问题形式出现;同时提示工程也是一门相对较新的学科,专注于开发和优化提示,以便有效使用大语言模型(LLM)。而大语言模型则是接受了来自书籍,文章和网站的大量文本数据的训练,能够深入理解语言结构、语义和上下文,同时生成类似于人类反应的文本,并在NLP的不同领域提供有价值的见解。在此基础上,郝老师展示了《AI提示工程:基础•应用•实例》的思维导图,以便读者对其具有整体性的概念,并在“CREATE框架”和“思维链”等板块着重讲解。

随后,郝莉老师对书的内容进行了延伸和补充,帮助我们进一步探索大型语言模型与基础提示技巧。她首先介绍了Markdown提示框架,主要包括“ASK-我们要求LLM做什么?”“ CONTEXT- LLM需要知道什么才能准确回应? ”“CONSTRAINTS-在回应时需要遵循哪些限制? ”“EXAMPLE-你满意的输出的一个好例子是什么?”等关键部分,在最后一个部分,郝老师还谈到了为LLM提示构建有效示例的重要性。此外,上下文限制(即LLM在生成响应时能考虑的最大文本量)对提示工程也具有显著的影响。

其次,郝老师还对如何与大型语言模型(LLMs)有效沟通,以在我们的提示中实现特定的风格效果展开了阐述,并在从大型语言模型获取单词级响应,将LLM的焦点从其详细阐述的倾向转移到一个鲜明、二元的输出上这一方面开展了实例讲解。郝老师还提到了LLM的另一个重要功能是头脑风暴,所谓头脑风暴本质上是关于产生广泛的想法以解决特定的挑战或问题,这是人类解决问题中一个熟悉的概念,可以被创造性地适应于与LLMs的工作。此外,郝老师指出,如果这一功能能够被良好应用到教学设计中,会对老师们的教学产生极大帮助。

最后,郝老师进行了观点分享。她表示,很多时候优质的Prompt,更多是因为融入了对某个特定领域知识的理解,而不是用了多么高深的技巧。AI会重塑很多行业,但是AI始终只能作为工具去重塑,要想发挥出AI最大的能力离不开对特定领域的认知。但是从另一方面,AI也给了我们去更快速接触各个领域的机会,它可以帮助我们快速提升知识的广度。从这个角度来讲,我们能够激发的AI的能力,与我们知识的广度,是相辅相成,螺旋上升的。也许,在AI的帮助下,我们又重新拥有了成为一个博物学家的机会。而成为一个博物学家,也能帮助我们更好地用好AI。

交流阶段,老师们表示,面对现在课堂教学环境沉闷的困境,更偏向于完成从讲述知识到培养学生向AI提问能力的转变,基于此问题,大家就AI在教学设计领域的应用等进行了热烈讨论。

关闭