什么时候使用 LLM
总的来说，建议在需要生成文本、图像甚至代码时使用大型语言模型。
有三种不同的生成式 AI 模型类别：
- 自然语言模型接收自然语言并生成回复。
- 生成式预训练变换器 (GPT) 模型接收自然语言或代码片段，并将它们转换为代码。
- 图像生成模型接收提示、基图像或两者，然后创建新图像。
文本处理
大型语言模型可以执行多种自然语言任务，包括：
| Task | 提示 |
|---|---|
| 汇总文本 | “将此文本汇总为简短的介绍。” |
| 对文本进行分类 | “这本书属于哪个流派？” |
| 生成名称或短语 | “为我的花卉公司写一个宣传语。” |
| 翻译 | “将‘How are you’翻译为法语。” |
| 回答问题 | “Azure OpenAI 提供哪些功能？” |
| 建议内容 | “推荐五首最佳婚礼歌曲。” |
使用代码
大型语言模型精通十几种编程语言，如 C#、JavaScript、Perl、PHP 和 Python。 通过使用 LLM 进行编码，可以解决以下难题：
- 构建应用程序：可以使用 LLM 根据提示生成类似于 Web API 的代码。
- 维护应用程序：如果你在处理现有代码库，则 LLM 可以帮助你更新或维护现有代码。
- 改进应用程序：可以使用 LLM 来针对特定指标改进代码，例如提高安全性或日志记录。
例如，如果输入“用 Python 编写从 1 到 10 的 for 循环计数”，则它会提供以下回答：
for i in range(1,11):
print(i)
图像处理
大型语言模型可以创建逼真和艺术性的图像，更改图像的布局或样式，并针对提供的图像创建变体。 例如：
图像生成：LLM 可以使用你对图像的预期模样的输入文本生成原创图像。 你的描述越详细，模型生成的图像就越有可能满足你的要求。
编辑图像：LLM 可以使用你想要对图像进行的更改的输入文本来编辑图像。 你可以更改图像的样式，添加或移除东西，或生成新内容添加进去。
图像变体：LLM 可以使用图像本身和指定要生成的图像变体数的输入文本来生成图像的变体。 原始图像保持不变，但在变体中，颜色、背景场景和对象所在的位置可能会变化。