GPT4V提示词如何使用?GPT4V是有视觉功能的GPT4,相比之前版本进一步升级了能力,关于其提示词的使用很多朋友都比较好奇,下面小编给大家带来了GPT4V提示词使用技巧分享,各位用户快来看看吧。

  GPT4V提示词使用技巧说明

  1、GPT-4V的用法:

  5种使用方式:输入图像(images)、子图像(sub-images)、文本(texts)、场景文本(scene texts)和视觉指针(visual pointers)。

  3种支持的能力:指令遵循(instruction following)、思维链(chain-of-thoughts)、上下文少样本学习(in-context few-shot learning)。

  2、GPT-4V在10大任务中的表现:

  开放世界视觉理解(open-world visual understanding)、视觉描述(visual description)、多模态知识(multimodal knowledge)、常识(commonsense)、场景文本理解(scene text understandin)、文档推理(document reasoning)、写代码(coding)、时间推理(temporal reasonin)、抽象推理(abstract reasoning)、情感理解(emotion understanding)

  3、类GPT-4V多模态大模型的提示词技巧:

  提出了一种新的多模态提示词技巧“视觉参考提示”(visual referring prompting),可以通过直接编辑输入图像来指示感兴趣的任务,并结合其他提示词技巧使用。

  4、多模态大模型的研究&落地潜力:

  预测了多模态学习研究人员应该关注的2类领域,包括落地(潜在应用场景)和研究方向。