GPT-4 Complete: A comprehensive technical guide to the new OpenAI model

"#1 New Release in Artificial Intelligence" (Amazon, April 2023) ... Here is the definitive technical guide to GPT-4 as well as its loquacious counterpart, ChatGPT. Along with step-by-step examples for prompt engineering and fine tuning, the book looks at the current discussions around the technology's promise and peril. Includes a 2-year subscription to GPTAnalytica's PromptBuilder tool.

Contents:
=============================
1 Preface
2 A short history of intelligence
. . 2.1 What is "intelligence"?
. . 2.2 Intelligence and humans
. . 2.3 Intelligence and computing
. . 2.4 Artificial intelligence
. . 2.5 Generative AI
. . 2.6 Conversant AI
. . 2.7 The Promethean Moment

3 Models and sources
. . 3.1 Natural Language Processing (NLP)
. . 3.2 Language Modeling (LM)
. . 3.3 Pre-GPT Language Models
. . 3.4 GPT Language Models
. . . . 3.4.1 From data to training set
. . . . 3.4.2 Limitations and bias
. . 3.5 Common Crawl
. . 3.6 WebText data set
. . . . 3.6.1 Test set
. . 3.7 Wikipedia
. . 3.8 Quality of sources

4 GPT-3
. . 4.1 Tokens
. . 4.2 Parameters
. . 4.3 GPT-3 and ChatGPT

5 GPT-4

6 ChatGPT

7 Using GPT and ChatGPT in OpenAI
. . 7.1 Playground
. . . . 7.1.1 Mode
. . . . 7.1.2 Model
. . . . 7.1.3 Temperature
. . 7.2 ChatGPT playground
. . 7.3 Get your API key
. . 7.4 Programmatic use of OpenAI
. . . . 7.4.1 Import the openai library
. . . . 7.4.2 An example chat API call

8 OpenAI via Python

9 OpenAI via Node.js

10 OpenAI .NET API

11 Prompt engineering
. . 11.1 Misunderstanding in human communication
. . 11.2 Misunderstanding in ChatGPT
. . 11.3 Model capabilities depend on context
. . 11.4 How to improve reliability on complex tasks
. . . . 11.4.1 Provide quality data
. . . . 11.4.2 Check your settings
. . . . 11.4.3 Use plain language to describe your inputs and outputs
. . . . 11.4.4 Show the API how to respond to any case
. . . . 11.4.5 Add context
. . . . 11.4.6 Include helpful information up-front
. . . . 11.4.7 Give examples
. . . . 11.4.8 Length of response
. . . . 11.4.9 Define a role
. . . . 11.4.10 Be more specific
. . . . 11.4.11 Divide a complex task into simpler tasks
. . . . 11.4.12 Prompt the model to explain before answering
. . . . 11.4.13 Ask for explanations before the answer

12 Fine tuning with a custom dataset
. . 12.1 Extract data into a csv file
. . 12.2 Check the headers in OpenAI
. . 12.3 Playground
. . 12.4 Create Prompt and Completion Pairs
. . 12.5 Prepare for GPT
. . 12.6 Fine-tune a GPT model with your data
. . 12.7 Interact with your fine-tuned model

13 Robust fine tuning
. . 13.1 Creating a robust, fine-tuned GPT model
. . . . 13.1.1 Step 1: Data preparation
. . . . 13.1.2 Step 2: Model architecture selection
. . . . 13.1.3 Step 3: Model training
. . . . 13.1.4 Step 4: Model evaluation

14 Self-taught reasoner

15 Data retrieval plug-in
. . 15.1 Plugins
. . 15.2 Retrieval Plugin
. . 15.3 Memory Feature
. . 15.4 Security
. . 15.5 API Endpoints
. . 15.6 Quickstart

16 Additional techniques
. . 16.1 Selection-inference prompting
. . 16.2 Faithful reasoning architecture
. . 16.3 Least-to-most prompting

17 Act-as prompts

18 Prompt templates

19 Template libraries

20 Prompt generators

21 GPTAnalytica PromptBuilder (user guide)

「人工智慧領域的全球暢銷書」（亞馬遜，2023年4月）... 這本書是關於GPT-4和其對話型對應物ChatGPT的權威技術指南。除了提供逐步示例以進行提示工程和微調外，本書還探討了有關該技術的前景和風險的當前討論。附帶2年GPTAnalytica PromptBuilder工具的訂閱。內容包括：

目錄：
=============================
1 前言
2 智能的簡史
. . 2.1 什麼是「智能」？
. . 2.2 智能與人類
. . 2.3 智能與計算
. . 2.4 人工智能
. . 2.5 生成式人工智能
. . 2.6 對話式人工智能
. . 2.7 普羅米修斯時刻

3 模型和資源
. . 3.1 自然語言處理（NLP）
. . 3.2 語言模型（LM）
. . 3.3 GPT之前的語言模型
. . 3.4 GPT語言模型
. . . . 3.4.1 從數據到訓練集
. . . . 3.4.2 限制和偏見
. . 3.5 Common Crawl
. . 3.6 WebText數據集
. . . . 3.6.1 測試集
. . 3.7 維基百科
. . 3.8 資源的品質

4 GPT-3
. . 4.1 標記
. . 4.2 參數
. . 4.3 GPT-3和ChatGPT

5 GPT-4

6 ChatGPT

7 在OpenAI中使用GPT和ChatGPT
. . 7.1 遊樂場
. . . . 7.1.1 模式
. . . . 7.1.2 模型
. . . . 7.1.3 溫度
. . 7.2 ChatGPT遊樂場
. . 7.3 獲取API密鑰
. . 7.4 使用OpenAI的程式化方法
. . . . 7.4.1 導入openai庫
. . . . 7.4.2 一個示例的聊天API調用

8 通過Python使用OpenAI

9 通過Node.js使用OpenAI

10 OpenAI .NET API

11 提示工程
. . 11.1 人類溝通中的誤解
. . 11.2 ChatGPT中的誤解
. . 11.3 模型能力取決於上下文
. . 11.4 如何提高複雜任務的可靠性
. . . . 11.4.1 提供優質數據
. . . . 11.4.2 檢查設置
. . . . 11.4.3 使用簡單的語言描述輸入和輸出
. . . . 11.4.4 向API展示如何應對任何情況
. . . . 11.4.5 添加上下文
. . . . 11.4.6 提供有用的信息
. . . . 11.4.7 提供示例
. . . . 11.4.8 回應的長度
. . . . 11.4.9 定義一個角色
. . . . 11.4.10 更具體
. . . . 11.4.11 將複雜任務分解為簡單任務
. . . . 11.4.12 在回答之前提示模型解釋
. . . . 11.4.13 在回答之前要求解釋

12 使用自定義數據集進行微調
. . 12.1 將數據提取到csv文件中
. . 12.2 檢查OpenAI中的標題
. . 12.3 遊樂場
. . 12.4 創建提示和完成對
. . 12.5 為GPT做準備
. . 12.6 使用您的數據對GPT模型進行微調
. . 12.7 與您的微調模型互動

13 魯棒微調
. . 13.1 創建一個魯棒的微調GPT模型
. . . . 13.1.1 步驟1：數據準備
. . . . 13.1.2 步驟2：模型架構選擇
. . . . 13.1.3 步驟3：模型訓練
. . . . 13.1.4 步驟4：模型評估

14 自學推理者

15 數據檢索插件
. . 15.1 插件
. . 15.2 檢索插件
. . 15.3 記憶特徵
. . 15.4 安全性
. . 15.5 API端點
. . 15.6 快速入門

16 附加技術
. . 16.1 選擇-推理提示
. . 16.2 忠實推理架構
. . 16.3 從最少到最多的提示

17 扮演提示角色

18 提示模板

19 模板庫

20 提示生成器

21 GPTAnalytica PromptBuilder（使用指南）