#72 · 主分类： 提示词工程工具
auto-cot
"大型语言模型中自动思维链提示"的官方实现（敬请期待，更多内容将更新）
项目最后更新：03/13/24
GitHub Stars
2.0K
Forks数量
192
贡献者数量
5
许可证
Apache-2.0
收录理由
手动编写思维链提示词既繁琐又容易出错，Auto-CoT 正是针对这一痛点而生的官方代码，对应一篇 ICLR 2023 论文。拿到数据集后，它会先通过零样本推理生成示例，再对这些示例做聚类，从中挑出多样化的子集来组装少样本提示，省去了人工设计示范的步骤。仓库里既有构建演示和运行推理的脚本，也有 Colab 笔记本方便快速上手，代码量不大，读起来不费劲，也容易改。它面向 GPT-3 这类模型在算术、常识问答等推理任务上的表现，对想尝试这类提示词方案的团队来说是个很实用的参考。不过要留意，这是研究性质的实现，不是持续维护的服务，适合当作起点来借鉴，别指望直接拿来做生产依赖。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。
同类热门项目
awesome-nano-banana-pro-prompts
🍌 全球最大的Nano Banana Pro提示词库——超过10,000个精选提示词，附带预览图片，支持16种语言。Google Gemini AI图像生成。免费且开源。
prompt-master
一种Claude技能，为任何AI工具编写准确提示词。零令牌或积分浪费。完整上下文和记忆保留。
chatgpt_system_prompt
GPT系统提示词集合及各类提示注入/泄露知识。
awesome-nanobanana-pro
🚀 精选的 Nano Banana pro 提示词和示例的精彩列表。掌握提示工程和探索 Nano banana pro（Nano banana 2）AI 图像模型创意潜力的首选资源。
awesome-gpt-image-2
🚀 全球最大的GPT Image 2提示词库，每日更新——2000+精选提示词及预览图，支持16种语言。OpenAI的下一代图像模型，具备像素级文本渲染、跨图像一致性和商业级插图能力。免费开源。