2 repositorios
Structured methodologies for solving complex tasks using generative AI and multimodal prompting.
Distinct from Problem Solving Methodologies: Candidates focus on software architecture or interview prep, not AI prompt refinement for multimodal tasks.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Generative Problem Solving. Refine with filters or upvote what's useful.
Learn_Prompting es un proyecto educativo centrado en la ingeniería de prompts, que proporciona los principios y técnicas necesarios para elaborar entradas efectivas y mejorar la calidad de las salidas de la IA generativa. El proyecto cubre estrategias avanzadas de prompting para mejorar el razonamiento, la fiabilidad y la calidad de la salida. Esto incluye técnicas para la descomposición de tareas, razonamiento de cadena de pensamiento (chain-of-thought) y el uso de guías few-shot y zero-shot. También aborda la seguridad del modelo mediante el estudio de prompt hacking, análisis de vulnerabilidades y auditorías de privacidad para prevenir fugas de datos sensibles. El alcance se extiende a la aplicación práctica de la IA generativa en diversos medios y flujos de trabajo, incluyendo generación de texto, creación de imágenes fotorrealistas y producción audiovisual. Además, cubre el desarrollo de agentes autónomos, programación asistida por IA y la automatización de flujos de trabajo empresariales para marketing y comunicaciones. El proyecto proporciona recursos para la optimización de modelos, evaluación y gestión de ciclos de vida de prompts dentro de un entorno de experimentación interactivo.
Implements a structured methodology to identify tools and refine prompts for multimodal tasks.
AlphaCodium is an LLM code generation framework and automated programming benchmark designed to solve programming problems through iterative generation and testing. It functions as an iterative code refinement system that improves the precision of generated code by comparing outputs against expected results and re-prompting the model. The project implements a flow engineering pipeline, using a structured sequence of prompting stages to refine code through a cycle of generation, evaluation, and correction. This approach allows the system to process programming datasets and measure the accuracy
Processes batches of programming problems and saves results to a database for bulk performance analysis.