Učení v kontextu
Učení v kontextu je překvapivá schopnost velkých jazykových modelů vychytat nový úkol z několika příkladů umístěných ve výzvě, bez jakéhokoli přeškolování.
Přehled
It is the reason you can 'teach' a model on the fly just by showing it what you want.
Hluboký ponor
Naučit neuronovou síť novému úkolu obvykle znamená aktualizovat její váhu tréninkem. Učení v kontextu je jiné: napíšete několik příkladů přímo do výzvy („kontext“) a model odvodí vzor a použije jej na nový vstup. Uvnitř modelu se nic nemění; příklady pouze řídí předpověď dalšího tokenu. Uslyšíte „zero-shot“ (pouze instrukce), „one-shot“ (jeden příklad) a „few-shot“ (několik příkladů). Toto chování zpopularizovala GPT-3 v roce 2020 a ukázalo se, že jde o novou schopnost: malé modely to nedokážou, ale přes měřítko zhruba 100 miliard parametrů se přesnost několika výstřelů prudce zvyšuje. Model se efektivně naučil rozpoznávat a pokračovat ve vzorcích během předtréninku, takže může tuto dovednost znovu použít v době odvození.
Technický přehled
Výzkum interpretovatelnosti vysledoval velkou část této schopnosti k „indukčním hlavám“ – okruhům pozornosti, které se objevují během tréninku a provádějí fuzzy párování prefixů: vyhledávají zpět, kde se objevil podobný token, a pak kopírují to, co následovalo. Takže když vaše výzva ukazuje 'jablko -> ovoce, mrkev -> zelenina', model odpovídá struktuře a předpovídá správný štítek pro další položku. Rozhodující je, že žádný tok gradientů a žádná aktualizace vah při odvození. Příklady jednoduše přetvářejí aktivace, které napájejí rozdělení pravděpodobnosti dalšího tokenu.
Strategický dopad
Rychlost a měřítko
Jazykové pracovní postupy se mohou pohybovat rychleji, aniž by byla obětována konzistentnost.
Přístup a dosah
Rozšiřuje přístup napříč jazyky a komunikačními styly.
Jasnější rozhodnutí
Týmy mohou strávit více času úsudkem, zatímco automatizace zvládne opakování.
Budoucnost kontextového učení
Rozšiřující se kontextová okna (nyní stovky tisíc tokenů) posouvají učení v kontextu směrem k „mnohanásobným“ režimům, kde desítky nebo stovky příkladů mohou konkurovat jemnému ladění pro některé úkoly, a to bez nákladů na školení. Očekávejte těsnější integraci s vyhledáváním, takže relevantní příklady se načítají automaticky a lepší teorie o tom, když učení v kontextu selže nebo je vyrušeno. Zůstane rychlým a levným způsobem přizpůsobení modelu, který bude doplňovat – nikoli nahrazovat – jemné ladění pro stabilní úlohy s velkým objemem.
Real-World Implementace
Chatbotovi dáte tři příklady lístků podpory a jejich kategorií a poté mu necháte klasifikovat nový lístek stejným způsobem
Zobrazuje model dva páry před/po neuspořádaného textu přeformátovaného do čistého JSON, takže převede zbytek
Vložení několika vzorových popisů produktů v tónu vaší značky, aby nové odpovídaly stylu
Demonstrace složitého matematického slovního problému fungovala krok za krokem, takže model řeší podobné problémy se stejným formátem uvažování
Rizika a zábradlí
Halucinovaná fakta mohou tiše vstupovat do zpráv, podpůrných toků nebo výstupů výzkumu.
Citlivost na výzvy může způsobit nekonzistentní výsledky napříč podobnými požadavky.
Citlivá textová data mohou být vystavena, pokud je řízení přístupu slabé.
Plán implementace
Před zavedením definujte výstupní formát, tón a standardy kvality.
Pozemní reakce s důvěryhodnými zdroji, kdykoli záleží na přesnosti.
Udržujte kontrolní bod lidské kontroly pro vysoce důležité výstupy.
Sledujte vzorce selhání a pravidelně opakujte výzvy nebo pracovní postupy.
Pokračujte v objevování
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the In-Context Learning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Další průvodce
Kontextová Windows
Často kladené otázky
What is In-Context Learning?
Učení v kontextu je překvapivá schopnost velkých jazykových modelů vychytat nový úkol z několika příkladů umístěných ve výzvě, bez jakéhokoli přeškolování. To je důvod, proč můžete model „učit“ za běhu jen tím, že mu ukážete, co chcete.
Co se zásadně mění uvnitř modelu během učení v kontextu?
Učení v kontextu probíhá zcela inferencí. Příklady ve výzvě utvářejí aktivace modelu a předpovědi dalšího tokenu, ale neaktualizují se žádné váhy.
Proč je učení v kontextu popisováno jako „emergentní“ schopnost?
Schopnost je slabá nebo chybí u malých modelů a strmě stoupá, jakmile modely dosáhnou velmi velkého měřítka, a proto se nazývá emergentní.
Který vnitřní mechanismus je nejvíce spojen s učením v rámci transformátorů?
Práce na interpretaci identifikovaly indukční hlavy – okruhy pozornosti, které zjišťují, kde se objevil podobný token a kopírují to, co následovalo – jako hlavní hnací sílu učení v kontextu.