ChatGPT、DALL·E 2 等AI大模型的大火，让更多的人看到了 Prompt engineering 的价值。Prompt 就是如何让机器更好的领悟指令，从而精准完成任务的方法。Prompt 设计的好不好，也决定了这些 AI 大模型好不好用。

以 ChatGPT 和 NotionAI 为例，其底层用的都是 GPT 3.5，只不过两者各自进行了细微的微调，技术上的区别还是 Prompt Engineering，ChatGPT主要是为聊天设计的 Prompt，而 Notion AI 为了写作优化和单独设计了 Prompt。

为了更好的理解 Prompt 技术及其最新的研究成果，3月15日晚7点，AI新青年讲座第198讲邀请到香港大学在读博士谢天宝参与，主讲《基于GPT-3 Codex语言模型的编程语言生成框架》。

在 ICLR 2023 中，谢天宝博士等人提出了一种无需训练的神经符号框架Binder，它可以将任务输入映射到程序中，即允许将语言模型（LM）功能的统一 API 绑定到编程语言（如 SQL、Python）上，扩展其语法覆盖范围，从而解决更多样化的问题。同时 Binder 使用 GPT-3 Codex 作为 LM ，在仅需要少量上下文示例注释的情况下，Binder在WikiTableQuestions和TabFact数据集上取得了最新的最佳结果，同时提供了明确的输出程序，有利于人类调试。

本次讲座中，谢天宝博士也将从 Prompt 的应用及方法概述出发，讲解他们提出的无需训练的神经符号框架Binder，最后也将进行结果展示并对未来的研究进行探讨。