- 综合排序
- 最热优先
- 最新优先
- 来自专栏PHP技术分享
元提示词是什么？如何高效的使用元提示词模版，解锁AI提示词隐藏玩法
一、什么是元提示词（Meta-Prompt）？定义：元提示词是“用来生成提示词的提示词”。换句话说，它是一条指令，让AI帮你写出另一条更具体、更高质量的提示词。 ——用元提示词+黄金圈结构你可以设计一条元提示词，专门用来生成符合黄金圈结构的文案框架：“请使用黄金圈法则（Why-How-What）为我的[产品/理念]生成一个文章框架。 这样，你就用元提示词自动化地调用了黄金圈结构，既省力又高效。 总结对比表：概念作用关键特点应用场景元提示词生成/优化提示词自指性、模板化、参数化提示词新手、批量生产黄金圈结构构建有感染力的内容逻辑Why→How→What（顺序关键）文案润色、品牌故事、演讲要更高效地设计元提示词模板 现在，请基于以下用户输入生成提示词模板：{{用户输入}}使用方式：四、高效设计元提示词的4大原则1.角色+任务+约束=完整指令任何高质量提示都应包含这三个要素，元提示词也不例外。
1.1K10编辑于 2025-11-16 - 来自专栏AI科技评论
ACL 2019 | 使用元词改进自然语言生成
与隐变量方法不同的是，本文使用元词（meta-word）来明确地表示消息与响应之间的关系。给定一条消息，我们可以通过控制元词来控制生成的响应。 ? 使用元词辅助响应生成有以下几个优点：1.使生成模型具有可解释性，用户可以在生成响应前就知道生成的响应类型；2.生成的过程是可以控制的，元词的接口允许用户定制响应；3.生成的方法是可泛用的，可以将行为、人物角色 、情感等特征作为元词的属性与一些已有的工作进行结合；4. 在生成响应前，编码器通过一个双向GRU将输入信息表示为一个序列，目标跟踪记忆网络由元词初始化得到。然后在响应解码时，状态记忆板跟踪元词的表达并由状态控制器更新。 更有意思的是，如果逐渐增加元词中的属性变量，验证集上的PPL会逐渐降低，这也印证了“通过调整元词可以不断提升模型性能”的论断。 ?
94830发布于 2019-09-10 - 来自专栏人工智能
从“词元”到“符元”：Token 中文名背后的 AI 底层认知之争
近日，全国科学技术名词审定委员会发布公告，推荐将人工智能领域中的“Token”译为“词元”，并面向社会试用。 “词元”一词在语言学与自然语言处理（NLP）领域早已“名花有主”，在经典语言学中，其长期对应的英文概念为Lemma，即词的规范原形（例如is/am/are的词元为be）。 例如，在描述“NLP中的词形还原操作（lemmatizeatoken）”时，中文表述将出现“对‘词元’进行‘词元化’”的结构。 具体而言，“词元”在回译过程中缺乏清晰、唯一的对应路径。 因此，在跨语言体系中，“词元”所面临的主要问题在于映射路径的不稳定，而“符元”则在语义对应与概念一致性方面表现出更高的确定性。
19110编辑于 2026-04-09 - 来自专栏腾讯云 DNSPod 团队
【火爆】1元注册.icu 域名，批量注册低至4.3元（内含溢价词域名）
超值活动区-.icu域名特惠 DNSPod域名特惠包活动上线，批量购买.icu域名 ,低至4.3元。 戳图跳转链接，建议pc端打开页面 现在前往DNSPod注册.icu，原价66元，首年仅9元。 戳图跳转链接，建议pc端打开页面 腾讯云官网活动，新用户秒杀专区，仅需1元（限购1个） 戳图跳转链接，建议pc端打开页面 超级福利区-溢价词域名 以下.icu域名前缀词可注册，手快有、手慢无！
2.6K30编辑于 2022-08-26 告别“令牌”与“智元”之争，“词元”定名背后的140万亿经济账
至此，一场关于“词元”的经济大幕，正式拉开。一、为什么是“词元”，而非“令牌”或“智元”过去一年多，Token译名争议不断：腾讯研究院提出“模元”，百川智能王小川等力推“智元”，均获高关注。 官方最终选定“词元”，并非偶然：•“词”：AI理解语言的最小单位（字、词、标点）•“元”：强调其最小计算单元的技术本质•核心考量：术语规范化是产业标准化前提。 以智能体（Agent）为代表，任务拆解、多轮推理、工具调用，词元消耗是普通聊天的数十至百倍。词元，已成为AI产业景气度的核心“晴雨表”。 ：•过去：靠流量套餐•现在：卖“词元包”，构建“算力—平台—数据”全链条服务3.企业与个人：成本透明，精打细算•B端：采购从按年/账号→按月度词元消耗量计费•C端/职场：优化Prompt、减少词元浪费成新技能 •词元正像“千瓦时”，成为人人需懂的新计量单位四、未来：建设全国统一“词元”大市场定名只是开始。
19810编辑于 2026-04-08- 来自专栏DeepHub IMBA
论文推荐：用多词元预测法提高模型效率与速度
理论贡献和技术创新 这篇论文的主要创新点在于提出了一种新的多词元预测框架，用于训练大型语言模型（LLMs），并通过一系列实验验证了其有效性 多词元预测架构：与传统的单词元预测模型相比，该研究提出的多词元预测方法要求模型在训练过程中一次预测接下来的多个词元 ，而非仅预测下一个词元。 实验结果显示，多词元预测方法在多个编程和自然语言处理基准上优于现有的单词元预测模型。 优势： 提高样本效率和推理速度：作者强调，多词元预测方法通过同时预测未来的多个词元，相较于传统的单词元预测，显著提高了模型的样本效率和推理速度。 优化词汇大小和计算成本：作者提出，多词元预测的最优词汇大小可能与单词元预测不同，调整这一点可能会进一步提高效率和性能。
44610编辑于 2024-05-10 - 来自专栏新智元
我们不用「元宇宙」这个词！苹果CEO库克：我们称其为AR
---- 新智元报道 来源：Time 编辑：好困 【新智元导读】近日，在登上时代周刊的百大人物之后，苹果CEO库克再次接受了杂志的采访。 虽然内容千篇一律，但是最有趣的莫过于拒绝「元宇宙」这个说法了。 「这就是所谓的元宇宙吗？」Time的记者问道。 「不，我们只是叫它AR」库克回答。 不要讲什么「元宇宙」，就是「增强现实」 「对此显然有不同的说法，但我会远离那些流行语。」 814.34亿美元（约合5300亿元人民币）。 这是苹果在第三财季的总营收额，同比增长高达36%。 而其净利润更是高达217.44亿美元（约合1415亿人民币），同比增长93%，几乎翻倍。
45920发布于 2021-10-12 - 来自专栏大数据和机器学习
词转化为词向量
NLP的相关任务中，要将我们能看懂的语言交给计算机来处理，通常需要首先将语言数学化，只有这样机器才能认得出，而词向量正是将我们看懂的词进行数学化的一种方法，就是把一个词语表示成一个向量。 不能很好地刻画词语与词语间的相似性，称为“词汇鸿沟”，因为从adore和respect的词向量，编号上，我们看不出它们之间是否存在某种关系，比如为同义词，反义词等，尽管adore和respect是一对同义词 显然，这种方法获得了 adore 和 respect 两个词的词向量，这样他俩组成了一个词向量空间，而每一个向量则为该空间中的一个点，即向量的终端点，那么adore和repect这两个点的距离，我们就可以拿来分析了 也就是说距离近的词，相似性可能越高。 ., five自动转化为西班牙语，怎么做呢，首先得到这5个词的词向量，如下图所示： image.png 然后，训练另一套即西班牙语表示的语料库，得到了每个词的词向量，找到与英语one最相近的西班牙单词为
2.8K10发布于 2019-09-16 - 来自专栏机器学习AI算法工程
深度学习知识抽取：属性词、品牌词、物品词
本文采用的标签标注方案是BIOE，考虑到中文名词短语中心词靠后的特点，我们给予末尾词以End标记以作区分。 另外，词级别的模型中，使用预训练词向量且拼接通过LSTM提取词内部字符信息的模型取得最佳。 品牌词、物品词等和业务强相关的实体信息。 这里以第一种标注方法为例(ATT：属性词，BRA：品牌词，GOD：物品词)，以小店商品标题为单位，将一个含有n个字的title(字的序列)记作： ? 从小店实际要提取的实体信息结构我们也可以知道，字母和数字是属性词、品牌词的重要构成部分，比如：1000g的洗衣粉，“1000g”是需要提取的属性词;HUAWEI p20手机套，“HUAWEI”是需要提取的品牌词
2.7K20发布于 2019-10-28 2026 深度解析：大模型词元（Token）的运行机制与经济逻辑
在2026年的人工智能生态中，无论我们讨论的是复杂的自主智能体还是精简的边缘侧模型，其核心运行逻辑始终绕不开一个基础单位：Token（词元）。 一、词元的本质：AI视角的“原子”拆解大语言模型（LLM）并非直接读取人类感知的字符或单词。 例如，4SAPI作为一家企业级聚合平台，通过部署数十台CN2线路服务器实现了毫秒级的响应，并在底层采用MySQL8.2高并发架构，确保了海量词元传输过程中的稳定与顺畅。
30910编辑于 2026-03-28- 来自专栏全栈程序员必看
唤醒词_好听的唤醒词
这里要注意，检测的“实时性”是一个关键点，语音唤醒的目的就是将设备从休眠状态激活至运行状态，所以唤醒词说出之后，能立刻被检测出来，用户的体验才会更好。 那么，该怎样评价语音唤醒的效果呢？ ➤响应时间，指从用户说完唤醒词后，到设备给出反馈的时间差。 ➤功耗水平，即唤醒系统的耗电情况。很多智能设备是通过电池供电，需要满足长时续航，对功耗水平就比较在意。 ➤One-shot：直接将唤醒词和工作命令一同说出，如“叮咚叮咚，我想听周杰伦的歌”，客户端会在唤醒后直接启动识别以及语义理解等服务，缩短交互时间。 ➤Zero-shot：将常用用户指定设置为唤醒词，达到用户无感知唤醒，例如直接对车机说“导航到科大讯飞”，这里将一些高频前缀的说法设置成唤醒词。
1.9K10编辑于 2022-09-20 SEO、SEM与核心品类词、长尾关键词、品牌关键词、场景词、功能词、问题词、比较词、交易词等关键词生态：搜索流量的全景战略地图
比较词 品牌词+交易词 场景词 问题词 品牌词 场景词+长尾词 意图与关键词匹配矩阵： 用户阶段 典型问题 关键词类型 SEO策略 SEM策略 认知 “这是什么问题？” 比较词、品牌词、功能长尾 用户评价、案例研究、专家推荐 竞争品牌关键词、促销广告 行动 “如何购买？” 品牌词、交易词、型号词 购买指南、服务页面、联系方式 转化优化、购物广告、本地广告 2. + 长尾词) + SEM(核心品类词 + 竞争词 + 测试词) 其中： 品牌词：优先SEO（防御性保护），SEM作为补充（拦截竞争） 核心品类词：SEO长期攻克，SEM短期抢占 长尾词：SEO 通过摄像头识别物体并搜索 YouTube搜索：视频内容成为重要信息源 Pinterest视觉搜索：通过图片查找类似产品或内容 应对策略： 优化图片ALT文本、文件名、周围文本 创建视频内容并优化视频元数据 “技术过度优化”陷阱 沉迷于技术细节（元标签、代码优化），忽视内容质量和用户体验。技术是基础，内容是核心。 4. “内容工厂”陷阱 大量生产低质量内容以覆盖关键词，损害品牌权威和用户体验。
62800编辑于 2025-12-21- 来自专栏PaddlePaddle
【词向量】Hsigmoid加速词向量训练
本周推文目录如下： 周三：【词向量】Hsigmoid加速词向量训练 周四：【词向量】 噪声对比估计加速词向量训练 周五：【RNN语言模型】使用RNN语言模型生成文本 词向量用一个实向量表示词语，向量的每个维都表示文本的某种潜在语法或语义特征 在词向量任务中，我们向大家展示如何使用Hierarchical-Sigmoid 和噪声对比估计（Noise Contrastive Estimation，NCE）来加速词向量的学习。 本文训练的是5-gram模型，即用每条数据的前4个词来预测第5个词。 ，具体地使用前4个词来预测当前词。 网络输入为词在字典中的id，然后查询词向量词表获取词向量，接着拼接4个词的词向量，然后接入一个全连接隐层，最后是Hsigmoid层。详细网络结构见图2： ? 图2.
1.4K80发布于 2018-03-15 - 来自专栏大模型应用
大模型应用：大模型的词元化处理详解：BPE、WordPiece、Unigram.11
引言 词元化（Tokenization）是大模型预处理的核心步骤，将连续文本切分为模型可理解的最小语义单元（Token），这些词元可以是单词、子词或字符。 它基于一个假设：所有词元的出现是独立的，并且通过最大化句子的似然来优化词表。2. 核心概念初始大词表：通常由频繁出现的子串组成。似然最大化：通过EM算法优化词元概率。词表剪枝：删除概率最低的词元。 训练Unigram语言模型（即计算每个词元的概率）5. 判断词表大小是否达到目标，如果未达到，则继续删除词元6. 计算删除每个词元后的困惑度（或损失函数，通常是似然的变化）7. 删除困惑度上升最小的词元（即对模型影响最小的词元）8. 更新词表，并重新计算每个词元的概率（重新训练语言模型）9. 重复步骤5-8直到词表大小达标10. 生成最终词表11. 选择概率最高的切分方式（即所有词元概率乘积最大的切分）注意：在每一步删除词元时，我们需要重新计算每个词元的概率，因为总概率分布发生了变化。6.
63933编辑于 2026-02-08 - 来自专栏Metaverse元宇宙
MWC2022观察：技术创新、智慧办公及元宇宙成关键词
其中，技术创新，产品发布以及元宇宙布局等成为这场盛会的关键词;另外，中国企业的存在感和重要性愈发凸显。 “中国品牌正在‘传递火炬。’” 值得关注的是，一度把元宇宙推向“风口浪尖”的Meta，在MWC 2022上又谈到了网络对于元宇宙的重要性。 元宇宙需要能够快速发展的基础设施。” 另外，在MWC 2022期间，HTC正式公布元宇宙品牌Viverse。据HTC 创办人与董事长王雪红介绍，Viverse应用了VR、AR、AI等技术。 在MWC 2022上，当提到是否会推出与元宇宙相关的硬件，三星电子副会长韩钟熙( Jong-Hee Han )肯定了这个说法。“请期待(元宇宙产品)的发布，因为我们正在努力工作。” 对此，Jerry Paradise认为，“元宇宙是一个历史很久，内容庞杂的巨大概念。现在这波元宇宙的热点兴起，大家都对它倾注了自己的期待。
35220编辑于 2022-03-30 - 来自专栏咸鱼不闲
solr中使用IKAnalyzer配置同义词，停止词，扩展词
环境如下： solr4.7 IKAnalyzer2012FF_u1 配置同义词 第一步 将IKAnalyzer2012FF_u1放到solr-4.7.2/example/solr-webapp/webapp 配置停止词和扩展词 停止词 的功能是过滤，把“啊”加入到停止词的字典里，比如搜索“你好啊”，solr会过滤掉“啊”，以“你好”去搜索。应该叫过滤词才好。 扩展词 的功能是强制让扩展词字典里的词不被中文分词器分开，叫它自定义词也好理解。 stopword.dic是停止词的字典。里面写的是需要过滤的词或字。 ext.dic是扩展词的字典。里面写的是需要过滤的词或字。 ：两个dic文件必须是utf-8编码保存，第一行空出来，第二行开始写，之后每行只写一个词或字。
1.9K40发布于 2018-10-31 - 来自专栏云服务业务
腾讯云代理商：词元时代 腾讯云首选什么云服务器？
日均 140 万亿次的词元调用量，三年千倍的爆发式增长，标志着 AI 产业从 “模型竞赛” 正式迈入 “词元经济” 时代。 每一次词元的生成与处理，都对应着海量的 GPU 算力、高速的数据吞吐与极致的性能调度。在这场以词元为硬通货的产业变革中，选择能高效支撑词元运算的云服务器，成为企业决胜 AI 战场的关键。 而腾讯云 GPU 云服务器，凭借专为 AI 推理与词元处理优化的硬核实力，无疑是词元时代的首选算力底座。 词元时代，对云服务器的核心考验词元，作为 AI 大模型理解、处理、生成信息的最小单元，其处理效率直接决定了 AI 服务的响应速度、成本控制与用户体验。词元时代的云服务器，必须直面三大核心挑战：1. 结语：词元时代的浪潮已至，AI 产业的竞争本质，正演变为词元处理效率与算力成本的竞争。
19320编辑于 2026-04-03 - 来自专栏prepared
AI 提示词：提示词大赛冠军是怎么写提示词的？
一个新加坡女孩，在第一次 GPT-4 提示词大赛中获得冠军，我们来看看她的提示词是怎么写的。 提示词女王 Sheila Teo 分享了她是如何优化提示词，从而获得大赛冠军的。 一句话提示词 写一篇知乎回答，回答这个问题：为什么我编写不出优秀的ChatGPT提示词? 生成的内容如下图，基本上是一些空洞不可直接落地的方向性建议，缺少落地的指导，读者很难真正从里面学到什么。 使用 CO-STAR 提示词 CONTEXT（上下文） 我是一个知乎答主，活跃在 AI 领域。想回答一个知乎问题。知乎的问题是：为什么我编写不出优秀的ChatGPT提示词? TONE（语调） 有说服力的 AUDIENCE（受众） 主要受众是对 AI 感兴趣的各个年龄段人群，尤其是对于写出好的提示词有强烈要求的人群。请针对这一群体编写回答。 使用 CO-STAR 框架提示词生成的内容如下，我们看到回答的开头有秀肌肉，吸引读者继续往下读的部分。 中间有原理、有案例，能让读者收获干货，还能直接上手实操。
1.6K22编辑于 2024-08-21 - 来自专栏hotarugaliの技术分享
词嵌入
简介 自然语言是一套用来表达含义的复杂系统，词是表义的基本单元。而我们要考虑是如何构造词向量来表示词。把词映射为实数域向量的技术称为词嵌入。 2. 词嵌入 最初的词嵌入采用 one-hot 编码来生成词向量，但 one-hot 编码的词向量无法准确表达不同词之间的相似度。 假设某个词在词典中的索引为 ，则它作为中心词时词向量表示为 ，作为背景词时词向量表示为 。 2.2 连续词袋模型 连续词袋模型与跳字模型类似，但与跳字模型最大的不同在于连续词袋模型假设基于中心词的背景词来生成中心词。 ，一般使用背景词向量作为词向量表达词。
1.7K20编辑于 2022-03-13 - 来自专栏开源物联网平台开发
AI 词元（Token）转售业务完全指南：成为 AI 智能体的「口粮供应商」
AI 词元（Token）转售业务完全指南：成为 AI 智能体的「口粮供应商」 想做 AI API 中转站生意？这篇文章帮你理清商业模式、技术方案和避坑指南。 前言 随着 ChatGPT、Claude、DeepSeek 等大语言模型的爆发式增长，一个隐藏的商业机会正在浮现——AI API Token（词元）转售业务。 1.1 Token（词元）：AI 智能体的口粮 在深入商业模式之前，我们先搞清楚一个核心概念——Token（词元）。 Token 是大语言模型处理文本的最小单位。 ¥200-500/月 初始 API 额度 ¥1000-5000 域名 + SSL ¥100-300/年 支付通道 根据方式不同 最低启动 约 ¥2000-5000 九、总结 AI API Token（词元 需要持续运维和客户服务 建议： 先自用，再商用 合规优先，远离灰色地带 找到差异化定位（垂直领域、特定用户群） 把它当作副业，而非全职 如果你是开发者，对 AI 有兴趣，想赚点「睡后收入」，成为 AI 词元的
2.1K20编辑于 2026-04-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号