文章预览
作者：金一鸣 本文 约5000字 ，建议阅读 10分钟 本文介绍优化大模型效果的大利器，从而帮助读者在实战中高效地选择技术方案来优化模型效果。 1. Few-shot技巧 Few-shot学习是一种机器学习方法，在这种方法中，模型可以从少量的示例（例如1到几百个）中学习特定任务或概念。但在大模型Prompt领域，这种方式准确的应该理解为 In-context Learning ，这是一种特定的few-shot学习形式，通常指的是在模型推理过程中通过上下文示例来引导模型理解和解决任务。模型并不会对这些示例进行再训练或微调，而是直接在推理过程中使用它们。作用方式通常是在描述任务时提供一些高质量的例子来辅助说明这个任务工作方式，比如举一个one-shot的例子： 比较经典说明few-shot在大模型上效果表现好的还是OpenAI这篇Language Models are Few-Shot Learners （https://arxiv.org/pdf/2005.14165
………………………………
