作业概述

• 目的：熟悉使用 Google Colab 笔记本和大型语言模型（LLMs）如 BLOOM 和 BLOOMZ（BigScience）。
• 核心活动：
  1. 任务选择：选择一个任务和评估数据集。
  2. 提示开发：探索如何为 LLMs 开发有效的提示。
  3. 模型比较：比较不同 LLMs 的性能。

作业细节

• 语言模型提示：将输入文本提供给模型，模型生成响应。
  • 示例：输入 “The sky is”，模型可能响应 “blue”。
• 任务类型：
  • 总结：例如，”总结以下段落：<在这里写出段落> 摘要："
  • 提取：例如，”从用户简介中提取电话号码：<在这里写出简介>。"

作业要求

• 任务选择：确定你将在作业中使用的特定任务和数据集。
• 提示开发：开发有效的提示，这可能需要时间、努力和创造力。
  • 优势：正确的提示可以解决复杂任务。
  • 挑战：提示可能脆弱，需要精心设计。
• 模型比较：
  • 模型大小：比较不同大小的模型性能。
  • 训练技术：比较不同训练技术，如自回归与指令调整。

提交说明

• 截止日期：2023 年 1 月 24 日晚上 11:59。
• 提交方式：下载并提交 Colab 笔记本（.ipynb 文件）到 Canvas。
• Colab 笔记本链接： 斯坦福原版：https://colab.research.google.com/drive/13gyUcsX7KtkwSJ1PfW8MrlXQePVD_jFP

🌿扩展：https://colab.research.google.com/drive/1A0Kt5S6PtLQ2NIJwirccSoezgsjn6XGu