今天分享5個(gè)很實(shí)用的指令，這幾個(gè)指令很多時(shí)候?qū)ξ覀冚敵鰞?nèi)容的連貫性、文章風(fēng)格、創(chuàng)意性等方面有著決定性的作用

第一個(gè)：Max tokens（最大令牌）

Max tokens決定了生成文本的最大長(zhǎng)度。通過(guò)設(shè)置一個(gè)限制，可以控制AI說(shuō)的內(nèi)容，確保它不給出過(guò)長(zhǎng)的答案。

示例：max_tokens = 50 - 如果你想要一個(gè)簡(jiǎn)短的回答，像是快速回答或推文。

這樣對(duì)輸出的內(nèi)容做了字?jǐn)?shù)的限制，只有50個(gè)字，你可以根據(jù)自己的需求進(jìn)行字?jǐn)?shù)的調(diào)整

圖片

第二個(gè)：Top_p(控制采樣)

此參數(shù)在0和1之間，控制核心采樣，一種引入隨機(jī)性的方法。

接近1.0的值使輸出更加多樣和隨機(jī)， 接近0的值使其更加確定性。

示例：top_p = 0.8 - 如果你想在為新產(chǎn)品生成多個(gè)名稱時(shí)得到多樣的選項(xiàng)。

圖片

第三個(gè)：Presence_penalty （阻止調(diào)整）

這個(gè)參數(shù)范圍在-2.0至2.0之間，用來(lái)防止模型引入新的話題。值越高，會(huì)話將更加集中但可能較為乏味。

示例：presence_penalty = 0.6 - 如果你希望模型堅(jiān)持討論特定話題，如詳細(xì)探討某個(gè)具體項(xiàng)目。

圖片

圖片

第四個(gè)：Frequency_penalty （短語(yǔ)效應(yīng)）

此參數(shù)的范圍在-2.0至2.0之間，它用來(lái)防止模型使用常見(jiàn)的短語(yǔ)或回應(yīng)。值越高，輸出內(nèi)容將更具創(chuàng)意，但可能減少連貫性。

示例：frequency_penalty = 1.0 - 如果你想生成一個(gè)口號(hào)或標(biāo)語(yǔ)，并希望它是獨(dú)特的，而不是常見(jiàn)的短語(yǔ)。

圖片

第五個(gè)：Temperature（文風(fēng)的溫度）

使用較低溫度生成的文本將更加集中和保守，而使用較高溫度生成的文本則會(huì)更具創(chuàng)意和變化。溫度的范圍是從0到1。

• 溫度 = 0：模型會(huì)產(chǎn)生最確定的輸出，但可能顯得重復(fù)或模板化。
• 0 < 溫度 < 0.5：輸出將傾向于較為穩(wěn)定和保守，提供高度相關(guān)且一致的回應(yīng)。
• 溫度 = 0.5：產(chǎn)生的文本會(huì)有一個(gè)適中的平衡，既不過(guò)于隨機(jī)也不過(guò)于保守。
• 0.5 < 溫度 < 1：輸出會(huì)更具創(chuàng)意和變化，但可能犧牲一些連貫性。
• 溫度 = 1：模型會(huì)產(chǎn)生最大程度的創(chuàng)意和隨機(jī)性，可能產(chǎn)生出奇不意的答案，但風(fēng)險(xiǎn)也更高。

實(shí)戰(zhàn)中可以多個(gè)組合使用，比如

Temperature：0.7至1，以獲得最大的創(chuàng)意和多樣性。

Frequency_penalty：1至2，用于產(chǎn)生各種獨(dú)特的短語(yǔ)和想法。

Max tokens：根據(jù)你所需的故事長(zhǎng)度或場(chǎng)景進(jìn)行設(shè)置。

帶大家一起試試，

prompt：

我是數(shù)師兄，今天是我堅(jiān)持連續(xù)寫(xiě)GPT方面的文章4個(gè)月了，希望大家能給一些打賞鼓勵(lì)

Temperature=0.8 
Frequency_penalty=1.8  
Max tokens=200

ChatGPT的輸出：

圖片