Tổng quan
Học trong ngữ cảnh là khả năng đáng ngạc nhiên của các mô hình ngôn ngữ lớn trong việc tiếp thu một nhiệm vụ mới từ một vài ví dụ được đưa ra trong lời nhắc mà không cần đào tạo lại. Đó là lý do bạn có thể 'dạy' một mô hình một cách nhanh chóng chỉ bằng cách cho nó xem những gì bạn muốn.
Học tập trong ngữ cảnh là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản cũng như lời nói trên quy mô lớn.
Lặn sâu
Thông thường, dạy mạng lưới thần kinh một nhiệm vụ mới có nghĩa là cập nhật trọng số của nó thông qua đào tạo. Học trong ngữ cảnh thì khác: bạn viết một vài ví dụ trực tiếp trong lời nhắc ("ngữ cảnh"), sau đó mô hình sẽ suy ra mẫu và áp dụng nó cho đầu vào mới. Không có gì bên trong mô hình thay đổi; các ví dụ chỉ hướng dẫn dự đoán mã thông báo tiếp theo. Bạn sẽ nghe thấy 'zero-shot' (chỉ hướng dẫn), 'one-shot' (một ví dụ) và 'few-shot' (một số ví dụ). Hành vi này đã được GPT-3 phổ biến vào năm 2020 và hóa ra là một khả năng nổi bật: các mô hình nhỏ không thể làm được điều đó, nhưng vượt qua quy mô khoảng 100 tỷ tham số, độ chính xác trên các lời nhắc vài lần bắn tăng mạnh. Mô hình đã học một cách hiệu quả để nhận biết và tiếp tục các mẫu trong quá trình đào tạo trước, do đó, mô hình có thể sử dụng lại kỹ năng đó tại thời điểm suy luận.
Hiểu biết kỹ thuật
Nghiên cứu về khả năng giải thích cho thấy phần lớn khả năng này bắt nguồn từ 'đầu cảm ứng' - các mạch chú ý xuất hiện trong quá trình đào tạo và thực hiện khớp tiền tố mờ: chúng quét lại vị trí xuất hiện một mã thông báo tương tự, sau đó sao chép những gì theo sau nó. Vì vậy, khi lời nhắc của bạn hiển thị 'táo -> trái cây, cà rốt -> rau', mô hình sẽ khớp với cấu trúc và dự đoán nhãn phù hợp cho mục tiếp theo. Điều quan trọng là không có luồng gradient và không có cập nhật trọng số khi suy luận. Các ví dụ chỉ đơn giản là định hình lại các kích hoạt cung cấp phân phối xác suất mã thông báo tiếp theo.
Nắm vững việc học theo ngữ cảnh
Học trong ngữ cảnh là khả năng đáng ngạc nhiên của các mô hình ngôn ngữ lớn trong việc tiếp thu một nhiệm vụ mới từ một vài ví dụ được đưa ra trong lời nhắc mà không cần đào tạo lại. Đó là lý do bạn có thể 'dạy' một mô hình một cách nhanh chóng chỉ bằng cách cho nó xem những gì bạn muốn. Học tập trong ngữ cảnh là một phần của ngăn xếp ngôn ngữ-AI được sử dụng để đọc, tạo, phân loại và chuyển đổi văn bản cũng như lời nói trên quy mô lớn. Để xây dựng sự hiểu biết sâu sắc, hãy coi Học tập trong bối cảnh như một mô hình vận hành chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể thực hiện một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Học tập trong bối cảnh sẽ thiết kế các lời nhắc, truy xuất và vòng lặp đánh giá như một hệ thống giao tiếp tích hợp. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Đồng thời, các sự kiện ảo giác có thể âm thầm đưa vào các báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Đưa ra cho chatbot ba ví dụ về phiếu hỗ trợ và danh mục của chúng, sau đó yêu cầu nó phân loại phiếu mới theo cách tương tự
Hiển thị mô hình hai cặp văn bản lộn xộn trước/sau được định dạng lại thành JSON rõ ràng để chuyển đổi phần còn lại
Dán một vài mô tả sản phẩm mẫu theo tông điệu thương hiệu của bạn để những mô tả mới phù hợp với phong cách
Việc thể hiện một bài toán phức tạp được thực hiện từng bước một để mô hình giải được các bài toán tương tự với cùng một dạng lập luận
Các mẫu triển khai
Học tập trong bối cảnh trong thực tế
Đưa ra cho chatbot ba ví dụ về phiếu hỗ trợ và danh mục của chúng, sau đó yêu cầu nó phân loại phiếu mới theo cách tương tự.
Cung cấp cho chatbot ba phiếu hỗ trợ mẫu và danh mục của chúng, sau đó yêu cầu chatbot phân loại phiếu mới giống như cách Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Học tập trong bối cảnh trong thực tế
Hiển thị mô hình hai cặp văn bản lộn xộn trước/sau được định dạng lại thành JSON rõ ràng để chuyển đổi phần còn lại.
Hiển thị mô hình hai cặp văn bản lộn xộn trước/sau được định dạng lại thành JSON sạch để chuyển đổi phần còn lại Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Học tập trong bối cảnh trong thực tế
Dán một vài mô tả sản phẩm mẫu theo phong cách thương hiệu của bạn để những mô tả mới phù hợp với phong cách.
Dán một vài mô tả sản phẩm mẫu theo phong cách thương hiệu của bạn để những mô tả mới phù hợp với phong cách. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình báo cáo của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Học tập trong bối cảnh trong thực tế
Việc thể hiện một bài toán phức tạp được thực hiện từng bước một để mô hình giải được các bài toán tương tự với cùng một dạng lập luận.
Chứng minh một bài toán phức tạp được thực hiện từng bước một để mô hình giải quyết các bài toán tương tự với cùng một dạng lập luận Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.