Inhaltsverzeichnis
KI als Fragesteller
Lassen Sie Qin Shihuang Chinesisch unterrichten
Heim Technologie-Peripheriegeräte KI Wie entsteht GPT für den Bildungsbereich?

Wie entsteht GPT für den Bildungsbereich?

Mar 28, 2024 pm 03:17 PM
人工智能 openai gpts

Wie entsteht GPT für den Bildungsbereich?

Im Januar 2024 gab OpenAI offiziell bekannt, dass GPTs (Einkaufszentren) offiziell eingeführt werden.

Daher wurde die Hürde für Programmierer noch einmal gesenkt. Solange genügend Kreativität und Fantasie vorhanden sind, ist die Ära gekommen, in der jeder auf der Grundlage seines eigenen Fachwissens ein GPT-Tool erstellen kann.

Die Verwendung von GPTs zur Durchführung von Recherchen zu Online-Bildungskategorien hat schnell zugenommen und ist zu einer beliebten, von Beamten empfohlenen Kategorie geworden. Zu den Spitzenreitern in dieser Kategorie gehören Mathematik-GPT, Physik-GPT, Sprachunterricht-GPT, Video-Zusammenfassungs-GPT, Datenanalyse-GPT und umfassende GPT in verschiedenen Fächern.

Dabei gibt es sogar einen GPT, der Ihnen beibringt, wie man prompte Wörter schreibt.

Wie entsteht GPT für den Bildungsbereich?

Wenn man sich die 12 besten GPT-Produkte in der Kategorie Bildung ansieht, sind Mathematikproblemlösung und Sprachunterricht die beiden beliebtesten Anwendungen.

Ab März 2024 steht nur reine Mathematik-GPT auf der Hotlist. Es gibt zwei Arten von GPT, nämlich Mathematik und Mathe-Sprach-GPT, einschließlich japanischer GPT, koreanischer GPT und Sprachlehrer-GPT, das 20 Sprachen unterstützt Lehrerin |. Frau Smith.

KI als Fragesteller

Zhiding.com hat zwei Mathematikfragen für die National College Entrance Examination 2023 zum Testen mit den beiden GPTs Mathematik und Math Solver gefunden. Mal sehen, welche Antworten sie geben können.

Für die erste Frage wählen wir die erste Multiple-Choice-Frage aus der Mathematik-Testarbeit für Geisteswissenschaften der National College Entrance Examination Paper A 2023. Die Frage lautet wie folgt:

Wie entsteht GPT für den Bildungsbereich?

Bei der Beantwortung mit Mathematik geht es schnell gab die Antwort:

Wie entsteht GPT für den Bildungsbereich?

Dies ist eine mathematische Frage zum kollektiven Wissen, und es ist auch eine einfache Multiple-Choice-Frage. Bei der Lösung der Frage gab Mathe zunächst eine kurze Beschreibung der Frage und analysierte dann die Frage kurz. und gab schließlich eine kalkulierte Antwort, die dem menschlichen Denken und der Logik sehr nahe kommt und auch eine normale Unterrichtsidee ist.

Auf diese Frage lautet die Antwort von Math Solver:

Wie entsteht GPT für den Bildungsbereich?

Math Solver liefert eine vollständige Idee zur Problemlösung in drei Schritten und gibt Schlüsselkonzepte, Erklärungen von Schlüsselkonzepten und verwandte Übungsfragen usw. an Problemlösungsschritte sind offensichtlich besser für Anfänger geeignet.

Was diese Frage betrifft, gaben die beiden jedoch unterschiedliche Antworten, und die richtige Antwort auf diese Frage ist A. Natürlich sind die von Math Solver angegebenen Schritte zur Problemlösung detailliert, aber in Bezug auf Logik und Problem- Lösungsfähigkeit Schauen Sie, Math Solver hat immer noch einige Mängel.

Für die zweite Frage wählen wir in diesem Artikel auch eine 12-Punkte-Antwortfrage aus, die Funktionsaufrufe beinhaltet:

Wie entsteht GPT für den Bildungsbereich?

Die von Mathe gegebene Antwort lautet wie folgt:

Wie entsteht GPT für den Bildungsbereich?

Die von Math Solver The gegebene Lösung Die Idee des Problems ist wie folgt:

Wie entsteht GPT für den Bildungsbereich?

Aus der Perspektive der Problemlösungsideen ist der Problemlösungsprozess der Mathematik zwar nicht prägnant genug, die Problemlösungsidee ist jedoch natürlicher und entspricht grundsätzlich dem Menschen Logik und Problemlösungsschritte;

Math Solver verwendet wie immer eine schrittweise Problemlösungsmethode, aber während des Problemlösungsprozesses wurden beim Aufrufen des automatischen Lösers häufig Fehler gemacht, und das logische Denken während des Problemlösungsprozesses Der Problemlösungsprozess war offensichtlich nicht „mathematisch“ genug und die Ausdrücke waren langatmig und ungenau.

Den Ergebnissen nach zu urteilen, gaben beide mathematischen GPTs keine Antwort.

Es ist jedoch anzumerken, dass diese beiden mathematischen GPTs zwar nicht die richtige Antwort lieferten, aber offensichtlich keine Antwort lieferten. Dies liegt offensichtlich daran, dass der GPT-Designer in den Aufforderungsworten einige Tipps zur Verhinderung von GPT-Halluzinationen hinzugefügt hat.

Außerdem haben wir den Sprachlehrer | getestet. Während des Tests werden Sie zuerst gefragt, welche Sprache Sie lernen möchten, dann wird gefragt, ob Sie Anfänger oder Fortgeschrittener sind, und dann werden einige angezeigt Themenvorschlag.

Bei diesem Vorgang wird standardmäßig Englisch als Muttersprache verwendet und zunächst auf Englisch mit Ihnen gesprochen. Nach Auswahl des Themas kommuniziert es mit Ihnen in der von Ihnen ausgewählten Sprache und korrigiert auch Ihre Grammatikfehler.

Wie entsteht GPT für den Bildungsbereich?

Die tatsächliche Erfahrung bei der Verwendung von Sprach-GPT ist offensichtlich besser als die von Mathematik-GPT.

Obwohl der heutige GPT nach der Schulung auf der Grundlage einer großen Menge professioneller Daten ein gewisses Maß an Vielseitigkeit erreicht hat, ist selbst der unter den GPTs am besten bewertete Lehr-GPT besser in der Lage, dem „Chat“-Sprachunterricht näher zu kommen.

Lassen Sie Qin Shihuang Chinesisch unterrichten

Um Benutzern die Entwicklung von GPT-Anwendungen zu erleichtern, bettet OpenAI tatsächlich die Entwicklungsplattform von GPT-Anwendungen in GPTs ein. Über diese Entwicklungsplattform können auch unerfahrene Benutzer sie Schritt für Schritt anleiten .

Wir haben diese Entwicklungsplattform in GPTs verwendet und von der Unterrichtsdesignlogik von Frau Smith gelernt. Wir haben auch versucht, ein Chinesisch-Unterrichts-GPT zu entwerfen Dieses GPT. :

Erstellen Sie zunächst ein GPT, um englischen Muttersprachlern das Chinesischlernen zu erleichtern. Das Bild des Kaisers sollte humorvoll sein hält ein Buch in der Hand. Das Cover des Buches ist auf Englisch und vereinfachtem Chinesisch geschrieben, um leicht Chinesisch zu lernen. 🔜 Fortgeschritten) )

Dann, nachdem der Benutzer ausgewählt hat, fordern Sie den Benutzer weiterhin zur Auswahl des Dialogtyps auf:

Hier sind die Themen, die wir auf der mittleren Ebene behandeln können:
  • Reisen und Kultur: Besprechen Sie Reiseerlebnisse, kulturelle Unterschiede, und lernen Sie Vokabeln über Transport, Unterkunft und Touristenattraktionen.
  • Aktuelle Ereignisse: Beteiligen Sie sich an Diskussionen über aktuelle Nachrichten und konzentrieren Sie sich auf Vokabeln zu Politik, Umwelt und Gesellschaft. Äußern Sie Meinungen und Perspektiven.
  • Die Berufswelt: Sprechen Sie über verschiedene Berufe, Arbeitsplatzszenarien und berufsbezogene Aufgaben unter Verwendung branchenspezifischen Vokabulars Vorstellungsgespräch: Nehmen Sie an einem simulierten Vorstellungsgespräch teil und üben Sie Fragen und Antworten für gängige Vorstellungsgespräche. Dazu gehört das Erlernen der formalen Sprache und der branchenspezifischen Terminologie.
Nachdem Sie als Nächstes das Sprachniveau und den Konversationstyp des Benutzers ausgewählt haben, verwenden Sie aktiv die entsprechende Sprache Ebene und Konversationstyp, um mit Benutzern zu kommunizieren, beginnen mit der Kommunikation zu entsprechenden Themen.

Nachdem der Benutzer das Sprachniveau und den Konversationstyp des Benutzers ausgewählt hat, ergreifen Sie die Initiative, um mit dem Benutzer über das entsprechende Sprachniveau und den Konversationstyp zu kommunizieren. Verwenden Sie während des Kommunikationsprozesses eine Mischung aus Chinesisch und Englisch Beispiel:

Waren Sie kürzlich dort? Irgendwelche interessanten Orte? (Haben Sie in letzter Zeit interessante Orte besucht?)

Vergleichen Sie schließlich nach der Antwort des Benutzers zunächst die Antwort des Benutzers mit dem Ausdruck in der fünften Ausgabe von „Modern Chinese Dictionary“. Wenn der Inhalt der Antwort des Benutzers nicht standardisiert ist, zuerst Korrigieren Sie den entsprechenden Inhalt und fahren Sie dann mit dem Thema fort, zum Beispiel:

Der erste Schritt zur Korrektur des Fehlers:?Besserer Ausdruck: „Sah die Begonie blüht“ könnte natürlicher ausgedrückt werden als „Sehen Sie, wie die Begonie blüht“.

Der zweite Schritt setzt das Thema fort Chat: Das hört sich nach einer Menge Spaß an! Berühmt sind auch die Skigebiete in der Nähe von Los Angeles. Es muss doch schön sein, Begonienblüten blühen zu sehen, oder? Wohin planen Sie sonst noch zu reisen?

Der GPT für den chinesischen Unterricht „Qin Shi Huang unterrichtet Chinesisch“ basiert auf einer solchen Reihe von Aufforderungswörtern. Nach Abschluss des Entwurfs kann der grundlegende Chinesischunterricht auf angemessene Weise durchgeführt werden.

Selbst wenn Sie keinen KI-Kurs kaufen, der mehrere tausend Yuan kostet, können normale Leute auf der von OpenAI erstellten Entwicklungsplattform problemlos ein anständiges GPT entwickeln.

Das lässt die Menschen seufzen, dass das Zeitalter der künstlichen Intelligenz wirklich angebrochen ist.

Das obige ist der detaillierte Inhalt vonWie entsteht GPT für den Bildungsbereich?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet Jun 28, 2024 am 03:51 AM

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag Jun 10, 2024 am 11:08 AM

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft Jun 11, 2024 pm 03:57 PM

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Posthume Arbeit des OpenAI Super Alignment Teams: Zwei große Modelle spielen ein Spiel und die Ausgabe wird verständlicher Posthume Arbeit des OpenAI Super Alignment Teams: Zwei große Modelle spielen ein Spiel und die Ausgabe wird verständlicher Jul 19, 2024 am 01:29 AM

Wenn die Antwort des KI-Modells überhaupt unverständlich ist, würden Sie es wagen, sie zu verwenden? Da maschinelle Lernsysteme in immer wichtigeren Bereichen eingesetzt werden, wird es immer wichtiger zu zeigen, warum wir ihren Ergebnissen vertrauen können und wann wir ihnen nicht vertrauen sollten. Eine Möglichkeit, Vertrauen in die Ausgabe eines komplexen Systems zu gewinnen, besteht darin, vom System zu verlangen, dass es eine Interpretation seiner Ausgabe erstellt, die für einen Menschen oder ein anderes vertrauenswürdiges System lesbar ist, d. h. so vollständig verständlich, dass mögliche Fehler erkannt werden können gefunden. Um beispielsweise Vertrauen in das Justizsystem aufzubauen, verlangen wir von den Gerichten, dass sie klare und lesbare schriftliche Stellungnahmen abgeben, die ihre Entscheidungen erläutern und stützen. Für große Sprachmodelle können wir auch einen ähnlichen Ansatz verfolgen. Stellen Sie bei diesem Ansatz jedoch sicher, dass das Sprachmodell generiert wird

Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt Jul 25, 2024 am 06:42 AM

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. SK Hynix wird am 6. August neue KI-bezogene Produkte vorstellen: 12-Layer-HBM3E, 321-High-NAND usw. Aug 01, 2024 pm 09:40 PM

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht

SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen Jul 17, 2024 pm 06:37 PM

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams Jul 15, 2024 pm 12:21 PM

Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G

See all articles