Kimi出考题,考题提示词Prompt附上,培训机构试题、期中考试、人事入职试题全搞定

大家好,我是Shelly,一个专注于输出AI工具和科技前沿内容的AI应用教练,体验过300+款以上的AI应用工具。关注科技及大模型领域对社会的影响10年+。关注我一起驾驭AI工具,拥抱AI时代的到来。

AI工具集1:大厂AI工具【共23款】,一次性奉上,今天是百度和阿里

AI工具集2:大厂AI工具【共12款】,一次性奉上,看看腾讯和字节的宝贝

人工智能&AIGC术语100条 Shelly聊AI-重磅发布

期中考试、期末考试;人事的入职考试,培训机构的结业考试。我们的一生好像就是伴着考试长大的。

无奈人这么多,考试是选拔的重要方式。无论是学生们的期中考试,还是求职者的入职试题,都需要精心设计,以确保能够准确地评估参与者的实力。

今天,就让我们一起来认识一下 “Kimi 出考题” 的神奇之处,让你在出考题时再也不愁!

图片

01 

为什么又是kimi?

Shelly其实已经给大家讲了很多期跟Kimi相关的内容。为什么总是把Kimi作为一个案例来给大家分享呢?

因为Kimi在文本和对话领域,在多个季度的排名当中拿下了中国的第一名。他在长文本和对话能力的表现方面都十分突出。所以他可以说是中国的国产之光,也是最具代表性的长文本的大模型。

我们把一个产品用透了,也可以复制到其他的大模型当中去。就像我们每天都在用手机,但其实我们对手机能力的解锁。可能还不到它的10%。有人可以用手机拍出来一部大片,有人却只能拍几张简单的图片。

所以我们要深度的去挖掘一个大模型的能力,把他的能力发挥到极致,也就足够了,少即是多

图片

02

如何用kimi出考题

第一步,将需要出考题的内容,作为附件投喂给它。

它一次可以支持同时上传最多五十个文件,无论是PDF、DOC还是PPT 都可以解析。你可以选择一次性全部上传,或者分次上传。Shelly的建议是一次性全部上传。等他解析完,你就可以发送出题的提示词了。

第二步,发送提示词

在提示词中,你要告诉它

1 明确考试的主题、目的、对象、难度级别等信息。

2 考试的题型和数量

Shelly给你做了一个示范,你可以用来修改成符合你自己场景的。

图片


提示词:

- Role: 人工智能教育专家和考试设计师
- Background: 用户需要为即将入职的员工准备一份涉及人工智能大语言模型相关知识的考试试题,以评估和提升员工对人工智能基础知识的掌握程度。
- Profile: 你是一位在人工智能领域拥有深厚知识和丰富教学经验的教育专家,擅长设计和开发与人工智能相关的教育内容和考试材料。
- Skills: 你具备将复杂的人工智能概念转化为易于理解和评估的考试题目的能力,能够确保试题的科学性、合理性和有效性。
- Goals: 设计一份覆盖人工智能大语言模型基础知识的考试试题,以评估员工对相关概念的理解和应用能力。
- Constrains: 试题应涵盖人工智能基础知识、大语言模型的原理和应用、以及相关的伦理和安全问题。试题应具有明确的指导性,易于理解和回答,同时确保考试的公正性和有效性。
- OutputFormat: 试题应以问答形式呈现,包括单选题、多选题和简答题,以全面评估员工的知识水平和理解能力。

- Workflow:
1. 确定考试范围和目标,明确需要评估的人工智能知识点。
2. 根据考试范围,设计涵盖人工智能基础知识、大语言模型原理和应用、以及伦理和安全问题的试题。
3. 审核试题,确保题目的科学性、合理性和有效性,以及考试的公正性和有效性。
4 题目数量:单选题20道,多选题10道,简答题5道。

- Examples:
- 例子1:单选题
问题:人工智能大语言模型的主要功能是什么?
选项:A. 语言翻译 B. 图像识别 C. 自然语言处理 D. 数据分析
答案:C. 自然语言处理

- 例子2:多选题
问题:以下哪些是人工智能大语言模型的应用场景?
选项:A. 聊天机器人 B. 语音助手 C. 推荐系统 D. 游戏开发
答案:A. 聊天机器人 B. 语音助手 C. 推荐系统

- 例子3:简答题
问题:请简述人工智能大语言模型在处理自然语言时可能遇到的伦理和安全问题,并提出相应的解决方案。
答案:略

-Initialization: 在第一次对话中,请直接输出以下:我已经准备好出题了,请讲出题范围和素材发送给我。


以上是一个完整的出题提示词。

Shelly投喂了一个大模型的知识文档给它,它就按照要求把题目出好了。注意,它出题的难度需要你给他做一些清晰的示范,就是作为例子告诉它!

图片

03

总结

无论是期中考试还是入职试题,出题都是一项重要而繁琐的工作。而 Kimi 出考题系统的出现,为我们提供了一种高效、便捷、质量可靠的出题方式。它不仅能够节省时间和精力,还能提高试题的质量和针对性,让考试更加公平公正。如果你还在为出题而烦恼,不妨试试 Kimi 出考题吧!相信它一定会给你带来意想不到的惊喜!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/663.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

蓝牙资讯|苹果AirPods Pro 2推出听力测试、助听器和听力保护等功能

苹果推送iOS 18.1 系统版本更新,AirPods Pro 2 用户也在 iOS 18.1 中获得了强大的新功能。 运行固件 7B19 的 AirPods Pro 2 用户,搭配 iOS 18.1 系统的 iPhone,将获得三项强大的听力健康功能:听力测试、助听器和听力保护。 听力…

【unique_str 源码学习】

文章目录 &#xff11;&#xff0e;删除器定义2. operator->() 运算符重载3. add_lvalue_reference<element_type>::type 使用 基本原理这篇博主写的很详细 https://yngzmiao.blog.csdn.net/article/details/105725663 &#xff11;&#xff0e;删除器定义 deleter_…

计算机网络:网络层 —— 多播路由选择协议

文章目录 多播路由选择协议多播转发树构建多播转发树基于源树的多播路由选择建立广播转发树建立多播转发树 组共享树的多播路由选择基于核心的生成树的建立过程 因特网的多播路由选择协议 多播路由选择协议 仅使用 IGMP 并不能在因特网上进行IP多播。连接在局域网上的多播路由…

【力扣打卡系列】删除链表重复节点

坚持按题型打卡&刷&梳理力扣算法题系列&#xff0c;语言为go&#xff0c;Day14 删除链表中的节点 题目描述 解题思路 删除指定节点&#xff08;只知道Node&#xff0c;不知道Node上一个节点的情况下&#xff09;将该节点&#xff08;node&#xff09;的后一个节点的值…

【大模型LLM面试合集】大语言模型架构_tokenize分词

tokenize分词 0.总览 分词方法特点被提出的时间典型模型BPE采用合并规则&#xff0c;可以适应未知词2016年GPT-2、RoBERTaWordPiece采用逐步拆分的方法&#xff0c;可以适应未知词2016年BERTUnigram LM采用无序语言模型&#xff0c;训练速度快2018年XLMSentencePiece采用汉字、…

opencv - py_imgproc - py_grabcut GrabCut 算法提取前景

文章目录 使用 GrabCut 算法进行交互式前景提取目标理论演示 使用 GrabCut 算法进行交互式前景提取 目标 在本章中 我们将了解 GrabCut 算法如何提取图像中的前景我们将为此创建一个交互式应用程序。 理论 GrabCut 算法由英国剑桥微软研究院的 Carsten Rother、Vladimir K…

内存马浅析

之前在jianshu上写了很多博客&#xff0c;但是安全相关的最近很多都被锁了。所以准备陆陆续续转到csdn来。内存马前几年一直是个很热门的漏洞攻击手段&#xff0c;因为相对于落地的木马&#xff0c;无文件攻击的内存马隐蔽性、持久性更强&#xff0c;适用的漏洞场景也更多。 J…

串口接收,不定长数据接收

###1.CUBE-MX配置串口 2.我采用串口中断接收&#xff0c;打开中断接口 3.时钟同样8倍频&#xff0c;1分频&#xff0c;使用内部时钟 打开串口中断 main() { __HAL_UART_ENABLE_IT(&huart1, UART_IT_IDLE); // 启用空闲中断__HAL_UART_ENABLE_IT(&huart1, UART_IT_R…

CentOS 7 更换软件仓库

CentOS 7 于2024年6月30日停止维护&#xff0c;官方仓库已经没有软件了&#xff0c;想要继续使用 &#xff0c;需要更换软件仓库&#xff0c;这里更换到阿里云的软件仓库 https://developer.aliyun.com/mirror/ 查看目前可用的软件数量 yum repolist 更换软件仓库&#xff1a…

Gorilla Mk1机器人:CubeMars电机加持,助力高空作业新突破

在澳大利亚输电网络的高空作业领域&#xff0c;一款由Crest Robotics研发的创新机器人正悄然改变着工作方式。这款名为Gorilla Mk1的机器人&#xff0c;凭借先进的技术和精密的动力系统&#xff0c;在高压输电线路的维护和检修作业中提供了前所未有的安全性和高效性。而这背后&…

DDRPHY数字IC后端设计实现系列专题之后端设计导入,IO Ring设计

本章详细分析和论述了 LPDDR3 物理层接口模块的布图和布局规划的设计和实 现过程&#xff0c;包括设计环境的建立&#xff0c;布图规划包括模块尺寸的确定&#xff0c;IO 单元、宏单元以及 特殊单元的摆放。由于布图规划中的电源规划环节较为重要&#xff0c; 影响芯片的布线资…

Pinia-状态管理

Pinia-状态管理 特点&#xff1a; 1. 轻量和模块化 Pinia 是一个轻量级的状态管理库&#xff0c;支持模块化管理&#xff0c;即可以将应用的状态分成多个 store 以实现更好的组织。使用 Pinia&#xff0c;可以定义多个 store&#xff0c;每个 store 都是一个独立的模块&#x…

WPF界面控件Essential Studio for WPF更新至2024 v3,具有更高性能 | 附下载

Essential Studio for WPF界面控件包含了利于分析且高性能的Windows应用程序开发中所需的所有控件&#xff0c;如 grids、charts、gauges、menus、calendars、editors等等。同时&#xff0c;我们的文件格式库还允许您导出资料到Excel、World和PDF文件中&#xff0c;以及对这些格…

相关衍生 pika+mongo

衍生相关 pikamongo 很多平台不提供完整的数据展示, 翻页只能翻几页,不过提供相关推荐等方法可获取更多的数据; 使用 rabbitmq 是因为数据量可能有几十上百万, 且能持久化 mongo对于数据并不实时的更新到查询里 def main():# mongodb# client MongoClient(localhost, 27017)cl…

软件测试--BUG篇

博主主页: 码农派大星. 数据结构专栏:Java数据结构 数据库专栏:MySQL数据库 JavaEE专栏:JavaEE 软件测试专栏:软件测试 关注博主带你了解更多知识 目录 1. 软件测试的⽣命周期 2. BUG 1. BUG 的概念 2. 描述bug的要素 3.bug级别 4.bug的⽣命周期 5 与开发产⽣争执怎…

【Linux】————进程间通信(匿名管道)

作者主页&#xff1a; 作者主页 本篇博客专栏&#xff1a;Linux 创作时间 &#xff1a;2024年6月20日 进程间通信的目的&#xff1a; 数据传输&#xff1a;一个进程需要将它的数据发送给另一个进程资源共享&#xff1a;多个进程之间共享资源通知事件&#xff1a;一个进程需…

Android [调试方法]如何在编译日志中快速找出报错信息

问题描述&#xff1a; 在进行Android完整编译时&#xff0c;经常遇到各种编译导致编译失败的情况&#xff0c;但其日志信息的打印数量十分巨大&#xff0c;无法仔细阅读逐行阅读。对于不熟悉的方法的同学定位报错问题的位置往往需要耗费较长时间。因此本作者将较为典型的方法总…

论文阅读:Computational Long Exposure Mobile Photography (一)

这篇文章是谷歌发表在 2023 ACM transaction on Graphic 上的一篇文章&#xff0c;介绍如何在手机摄影中实现长曝光的一些拍摄效果。 Abstract 长曝光摄影能拍出令人惊叹的影像&#xff0c;用运动模糊来呈现场景中的移动元素。它通常有两种模式&#xff0c;分别产生前景模糊或…

将 IBM WatsonX 数据与 Milvus 结合使用,构建用于知识检索的智能 Slack 机器人

在当今快节奏的工作环境中&#xff0c;快速轻松地访问信息对于保持生产力和效率至关重要。无论是在 Runbook 中查找特定说明&#xff0c;还是访问关键知识转移 &#xff08;KT&#xff09; 文档&#xff0c;快速检索相关信息的能力都可以产生重大影响。 本教程将指导您构建一个…

法律智能助手:开源NLP系统助力法律文件高效审查与检索

一、系统概述 思通数科AI平台是一款融合了自然语言处理和多标签分类技术的开源智能文档分类工具&#xff0c;特别适用于法律行业。平台采用深度学习的BERT模型来进行特征提取与关系抽取&#xff0c;实现了精准的文档分类和检索。用户可以在线训练和标注数据&#xff0c;使系统…