我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
重點關注 GPT-4 回應的邏輯，如果標籤和解釋符合邏輯並且符合您的需求，則結果可以被認為是令人滿意的，如果沒有，那麼特定於任務的模型（例如 BERT 模型）可能是您專案的更好解決方案，然而，所有 LLM 都具有隨機特徵，因此您可能仍然會得到可變的回應。
以下提供範例，搭配於 AI說書 - 從0開始 - 363 | 使用 ChatGPT API 執行 SRL 之對話函數撰寫 建立的函數：
uinput = "Perform Semantic Role Labeling on the following sentence:Did Bob really think he could prepare a meal for 50 people in only a few hours?"
text = dialog(uinput)
print("Viewer request", uinput)
print("ChatGPT SRL:", text)
結果為：
