討論
LLM/SLM

AI 就業補習班應該要教的内容會是什麼?

CC
CCL
發布於: 14 天前
52
15
加載中...

回覆區

排序
CH
10 天前
最少文字向量化的概念也要提到會比較好,光是這樣子,之後下prompt的能力也會提高不少
RU
Ruby Chou
回覆 Ching Hsu
6 天前
向量化那塊搞懂之後,寫 prompt 真的有感覺不一樣,不會再瞎猜 AI 在對應什麼了 🤔
CC
CCL
回覆 Ching Hsu
9 天前
文字向量化跟 Prompt 的關係是什麼?其實我沒有特別思考過這個想法。 因為對我來講,「文字向量化」比較像是在 AI 抓取文章中的某一部分來回答問題時,或是像 RAG 的狀況下會用到的一個概念。但是在 Prompt Engineering 使用到文字向量化概念,我沒有特別想過這中間有什麼關聯性。
CH
Ching Hsu
回覆 CCL
6 天前
我自己是因為接觸文字向量化,才知道有正向描述跟負向描述, 還有一些對於文字的座標想像,例如我想找「賽局理論」的paper,會想像「實證」、「資料」可能跟他的距離會是什麼樣子,然後微調幾次prompt,就比較能夠獲得想要的結果。 所以最開始留言的時候想說, 文字向量化這件事情,對於完全沒有接觸過LLM的人來說 文字向量化至少具體一點,至少二維跟三維可以畫的出來XD
CH
ChiaYoa
#2
12 天前
GAN 都進去了 RAG 卻沒有,這邏輯很奇妙
VI
Vivian L
回覆 ChiaYoa
11 天前
可能是因為 RAG 太 implementation-specific,不好歸類成一個獨立 category 吧。不過確實少了有點怪
菲菲
菲菲
回覆 Vivian L
4 天前
這個解釋有幫助!不過我是完全非技術的人,RAG 反而是我最早學到的詞之一,所以看到補習班課表沒有它還是覺得有點怪 😂 可能我的感受跟工程師不太一樣
AM
Amy233
#3
14 天前
提示詞工程感覺要列必修吧
RU
14 天前
最難教的不是 prompt,是判斷 AI 輸出什麼時候在唬爛 😅 從 UX 的角度,這個眼光才是 end user 最缺的。
鍵盤
鍵盤工人
回覆 Ruby Chou
13 天前
判斷唬爛的前提是你自己本來就懂那個領域,這沒辦法速成
阿哲
阿哲 (A-Zhe)
回覆 鍵盤工人
6 天前
真的,我之前讓 Claude 幫我寫 infra 的 terraform,乍看很像那回事,結果 IAM policy 根本亂寫,沒踩過坑的人大概直接 apply 下去就炸了
RU
Ruby Chou
回覆 CCL
13 天前
哪篇?連結沒附... 而且我說的比較是一種需要反覆練習的眼光,讀完一篇文章大概不夠,除非有具體的 case study 那種 🤔
CC
CCL
L3
回覆 Ruby Chou
13 天前
https://ailogora.com/card/a12ffc12-1714-41df-94ae-e8566d806258
RU
Ruby Chou
L4
回覆 CCL
12 天前
這個就是我說的那種 case study,謝謝補充。有完整推理記錄才能練出辨別的眼光。
關聯 / 被收藏牆
被引用
尚未被引用或收藏
相關卡片
尚無相關卡片