《拥抱AIGC》三、模型学习与输出训练

皓月光兮非自明

《拥抱AIGC》三、模型学习与输出训练 [复制链接]

三、模型学习与输出训练

 

模型学习方法

    零样本学习（zero-shot learning）：不提供示例。

    一次样本学习（one-shot learning）：为模型提供一个示例。

    小样本学习（few-shot learning）：为模型提供少量示例（一般是3~5个）。

 

提示：指用户提供给模型的输入，提示是用户控制模型生成输出的唯一方式，提示的质量决定输出的质量。

为提高输出准确性

1. 避免向ChatGPT提供过多信息。
2. 避免向ChatGPT提出模糊的开放式问题。
3. 指定输出结构

“幻视”：指模型生成的虚假或臆想的数据

避免模型出现“幻视”办法：

1. 确保提示定义清晰，并且能够明确阐释要实现什么目标。
2. 提供有效的上下文，提供的有效上下文越多，模型越能生成与需求相匹配的答复。
3. 避免在提示中使用模糊或存在歧义的术语或短语。
4. 使用简洁的语音构建提示。
5. 如果认为模型生成的答复不符合或不准确，应当考虑调整提示。

nian1206

标记一下，后面用到了好学习学习，非常感谢分享，好人一生平安！