博士测试chatgpt 测博士官网

本文目录一览：

• 1、提示词工程策略与ComfyUI工作流结合实例
• 2、地平线余凯:到2025年时高速NOA仍会是量产主力
• 3、ChatGPT中token的理解

提示词工程策略与ComfyUI工作流结合实例

总结而言，提示词工程在提升大语言模型性能、简化数据分析任务、以及在Comfyui工作流中实现文生图方面提供了有效的策略和实践案例。通过结合CO-STAR框架、分隔符、系统提示词以及特定的LLM技术，用户可以在各种场景下优化模型响应，生成高质量的内容。

在 comfyui 中加载默认工作流。选择模型： majicmixRealistic_v6。使用正向提示词： 1girl， 最佳质量，杰作，超高分辨率，（照片真实感：4）。反向提示词： use ng_deepnegative_v1_75t and badhandv4， 深度负片deepnegative。K采样器参数： 采样器：dpmpp-sde， 调度器：karras。

ComfyUI基础模块包括加载检查点、CLIP文本编码、空图像生成、VAE解码和保存图像。选择模型、编写提示词后，通过调整参数点击生成图片，保存或导入工作流。SDXL工作流在基础模块基础上添加主模型和细化模型，分别设置参数和调整，前部分使用主模型生成，后部分使用细化模型，总步数由用户控制。

使用 easy focus inpaint 节点，相当于在局部应用主模型的补丁，实现更自然的局部重绘。输入提示词如 1 girl， huge breasts，调整参数以精确控制胸部大小和形态，体验胸部自由变大的乐趣。该工作流为胸部放大提供了简便高效的解决方案，结合 comfyui 各节点的灵活运用，为图像处理工作带来了更多可能性。

首先，确保您已经获取了秋叶Comfyui整合包。如未获取，可直接访问相应链接获取。接下来，准备服装图片。拍摄2张白底服装图，自行完成即可。然后，使用Comfyui工作流生成个性化logo。

地平线余凯:到2025年时高速NOA仍会是量产主力

易车讯 日前，地平线创始人及CEO余凯博士表示，目前L2++城区NOA还存在技术挑战，基本几十公里就需要接管一次，在研发上至少三年才会有较好的进展，因此到2025年时高速NOA仍会是量产主力。

在余凯看来，当下几十Tops到几百Tops甚至1000Tops，所实现的都是高速NOA，而且差别还不太大，所以行业还有大量的工作可以去做。 这也是地平线正在努力的方向。 地平线认为要不断地在给定算力上去优化软件算法，用更多的数据，不断地去逼近用户体验的上限。

作为首款国产百TOPS大算力车规级智能芯片，地平线征程5便是支撑理想NOA功能落地的核心和基石。征程5是地平线第三代车规级产品，它具备128TOPS的算力，是国内唯一一个规模化量产的百TOPS的大算力芯片。据了解，单颗征程5即可实现流畅的高速NOA。众所周知，在相同的计算架构下，算力越大性能越好。

余凯认为，去年是L2+高速NOA的量产元年，而今年一些头部企业会开始推出城区NOA，不过从技术层面，大概还需要三年时间才会有一个比较好的进步。地平线认为要不断地在给定算力上去优化软件算法，用更多的数据，不断地去逼近用户体验的上限。

易车讯 在中国电动汽车百人会论坛（2024）上，地平线创始人兼CEO余凯博士表示，技术对于用户的价值，我们可以按照三个层次去展开，第一个就是要可用，第二个则是要好用，第三个就是要爱用。以高速NOA为例，现在可能已经做到了从可用到好用。

ChatGPT中token的理解

在深入探讨 ChatGPT 中的 token 时，我们首先了解了常规的 token 概念，它通常指代 API 访问控制中的身份验证令牌。在 API 的上下文中，token 是一个字符串，用于证明访问者的身份，与特定用户或应用程序相关联。它在 API 请求中作为身份验证的手段，确保请求的合法性和安全性。

在实际定价的过程中，因输入和输出token所带来的成本差异，所以会区分定价。包含GPT在内的几乎所有的LLM的API都采用了Token计费模式。这种模式基于Token计费，符合产品对象增量属性和边际成本的增量属性，对开发者来说是最容易接受和理解的一种模式。

Token是将文本分解为更小单位的过程，如单词、字母或字符，有助于模型理解语义和语法结构。当用户输入Prompt时，模型会将其分解为多个Token，这一过程称为Tokenier。对于英文文本，通常每四个字符视为一个Token。

API Token，又称API令牌，用于验证用户或应用访问API请求的标识符，尤其用于构建无状态、可扩展API，无需服务器维护用户登录会话信息。用户登录后，服务器生成API Token并返回客户端，客户端在每次API请求中包含此令牌以证明访问权限。在ChatGPT场景中，API与API Token同样重要。

InstructGPT模型结构ChatGPT的核心是InstructGPT模型，理解ChatGPT就是理解InstructGPT。InstructGPT的三大核心步骤如下：SFT(supervised fine-tuning)原理SFT是InstructGPT的核心步骤之一，其原理简单但数据需求量大。GPT模型通过大量有监督的Prompt数据进行精调，主要任务是预测下一个token。