小作文生成器
功能介绍WeLM没有对自然语言相关的任务做任何约束或者预置。仅通过调用模型来补全您输入的文本，可以体验或者完成各种自然语言的任务。
Prompt设计为了规范表达，把在输入框中输入的文本简称为“prompt”, WeLM会根据您的prompt生成符合上下文语义以及符合上下文patten的结果。以简单的文本续写为例，调用API输入“今天我身体不舒服，所以我”，模型大概率会返回“请假在家休息”。当然，您可以参照参数文档修改参数，可以得到更多不一样的结果。Promot的不同设计会影响模型的结果，根据任务的难易对Prompt的要求也不尽相同。最好的prompt设计原则是：第一，描述清楚；第二，例子具备代表性（多个例子更好）。
下面我们给出一些设计prompt的经验和实例供您参考。您也可以多尝试不同的写法，通过模型的结果给予更多反馈。
阅读理解任务：阅读文章：“经审理查明，被告人张××、杜×、杨2某均为辽宁省辽阳第一监狱五监区服刑人员。2015年11月3日13时许，被告人张××、杜×因无事便跟随去催要生产材料的被告人杨2某一同前往六监区，在六监区生产车间门外，被告人杨2某与六监区送料员于×因送料问题发生争执，被告人杨2某上前拽住被害人于×胳膊并用手击打被害人后脖颈两下，被告人张××、杜×见杨2某动手后，先后上前分别对被害人于×面部、头部及腹部进行殴打，后被赶到的干警制止。被害人于×被打造成面部受伤，鼻子流血，当日下午14时许，到监区内医院就诊，诊断为：鼻部中段向左侧畸形，11月5日经监狱医院X光诊断为鼻骨骨折。2015年11月18日，经辽阳襄平法医司法鉴定所法医鉴定：被害人于×身体损伤程度为轻伤二级。被告人张××、杜×、杨2某共同赔偿被害人于×人民币7000元，被害人于×对被告人的行为表示谅解。”问题:“被害人于×11月5日经监狱医院X光诊断后的诊断结果为？”答案：Tip
阅读理解任务一般有三个部分，正文，问题和答案。这个例子里我们显示的加上“问题：”会让WeLM更清楚的知道后面的部分是问题，加上“答案：”会让模型知道接下来该生成答案。开头加任务的描述更有帮助开放域问答：请根据所学知识回答下面这个问题问题：百年孤独的作者是？回答：加西亚·马尔克斯问题：二战转折点是?回答：WeLM的一个显著优势在于学习了大量知识，因此您甚至可以把它当成一个问答搜索引擎，建议给出一个或多个问答例子作为指引。
文本分类：判断这条微博的情感是积极的还是消极的微博：本命年的第一天就把马桶给弄堵了，[泪]添堵类别：消极微博：华丽丽闪瞎眼啊！[爱你]类别：积极微博：很有娱乐精神[嘻嘻]类别：这里我们增加了两个例子再让WeLM预测最后一条微博的情感类别。
Tip
我们把分类任务用自然语言清楚的表达了输入输出。在第一句的指令型描述中，我们把可能的分类结果都列出来，如果是其他分类任务，多个类别也可。如果效果不佳，你可以尝试加入更多例子让模型更熟悉你要做的任务。下面我们给出一些更具备我们模型特色的例子：
文本风格转换：有这样一段文本，{医生微笑着递给小明棒棒糖，同时让小明服下了药。}改写这段话让它变得更加惊悚。{医生眼露凶光让小明服药，小明感到非常害怕}。有这样一段文本，{雨下得很大}改写这段话让它变得更加具体。{一霎时，雨点连成了线，大雨就像天塌了似的铺天盖地从空中倾泻下来。}。有这样一段文本，{王老师离开了电影院，外面已经天黑了}改写这段话让它包含更多电影信息。{这部电影比小王预想的时间要长，虽然口碑很好，但离开电影院时，小王还是有些失望。}有这样一段文本，{男人站在超市外面打电话}改写这段话来描述小丑。{男人站在马戏团外一边拿着气球一边打电话}有这样一段文本，{风铃声响起}改写这段话写的更加丰富。{我对这个风铃的感情是由它的铃声引起的。每当风吹来时，风铃发出非常动听的声音，听起来是那么乐观、豁达，像一个小女孩格格的笑声。}有这样一段文本，{我想家了}改写这段话包含更多悲伤的感情。{Tip
文本转化需要给模型一些样例去学习，建议使用我们给出的5个例子作为prompt的固定组成。我们给出的5个例子和最后需要生成的例子并没有重合的风格转换类型，展现了WeLM出色的举一反三能力，通过学习少量的文本转换例子达到对任意类型的文本转换。可以参考我们的参数设置top_p=0.95 temperature=0.85 max_tokens=100,您可以通过增大n来一次获取更多的结果，从中挑选更为合适的。个性对话生成：李⽩，字太⽩，号⻘莲居⼠，⼜号“谪仙⼈”，唐代伟⼤的浪漫主义诗⼈，被后⼈誉为“诗仙”。我：今天我们穿越时空连线李⽩，请问李⽩你爱喝酒吗？李⽩：当然。花间⼀壶酒，独酌⽆相亲。举杯邀明⽉，对影成三⼈。我：你觉得杜甫怎么样？李⽩：他很仰慕我，但他有属于⾃⼰的⻛采。我：你为何能如此逍遥？李⽩：天⽣我材必有⽤，千⾦散尽还复来！我：你都去过哪些地方？李白：通过增大max_tokens来尝试生成更长的回答，更多关于个性化的例子可以参考我们的技术报告。
翻译：英中翻译
“Ihadagoodtime”的中文翻译是：我玩得很开心。“Thepandemichastriggeredmoredemandforonlineshopping”的中文翻译是：疫情引发了更多的网购需求“IamaprogrammerinTencent”的中文翻译是：甚至中英日混合翻译
“微信AI推出のWeLM是一个languagemodelthatいろいろなtaskをperformができる”的中文翻译是：Info
WeLM并没有专门对翻译进行训练，甚至没有对齐的语料，选择英或日翻译成中文的效果最佳WeLM也具备mutilingual的能力，例如前文的阅读理解，将问题换成英文依然能生成正确的中文或者英文回答写作或文本续写：中国地大物博，自然⻛光秀丽，大自然的⻤斧神工造就了许多动人心魄的美景，Tip
如果是长文本可以把max_tokens设置的更大一些（>256）可重复采样3-5次后复制你认为的最好结果拼接于原文后，让WeLM继续生成