Học tập trong bối 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.
Tổng quan
It is the reason you can 'teach' a model on the fly just by showing it what you want.
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.
Tác động chiến lược
Tốc độ và tỷ lệ
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Truy cập và tiếp cận
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Quyết định rõ ràng hơn
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Tương lai của việc học theo ngữ cảnh
Việc mở rộng cửa sổ ngữ cảnh (hiện có hàng trăm nghìn mã thông báo) thúc đẩy việc học trong ngữ cảnh hướng tới chế độ 'nhiều lần chụp', trong đó hàng chục hoặc hàng trăm ví dụ có thể cạnh tranh với việc tinh chỉnh cho một số nhiệm vụ mà không mất phí đào tạo. Mong đợi sự tích hợp chặt chẽ hơn với khả năng truy xuất, do đó, các ví dụ có liên quan sẽ được tìm nạp tự động và lý thuyết tốt hơn về thời điểm việc học trong ngữ cảnh không thành công hoặc bị phân tâm. Nó sẽ vẫn là cách nhanh chóng, rẻ tiền để điều chỉnh mô hình, bổ sung - không thay thế - tinh chỉnh cho các nhiệm vụ ổn định, khối lượng lớn.
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
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.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
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
Hướng dẫn tiếp theo
Cửa sổ ngữ cảnh
Câu hỏi thường gặp
What is In-Context Learning?
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.
Những thay đổi cơ bản nào bên trong mô hình trong quá trình học tập trong ngữ cảnh?
Việc học trong ngữ cảnh diễn ra hoàn toàn bằng suy luận. Các ví dụ trong lời nhắc định hình các hoạt động kích hoạt của mô hình và dự đoán mã thông báo tiếp theo, nhưng không có trọng số nào được cập nhật.
Tại sao học tập trong bối cảnh được mô tả là một khả năng 'mới nổi'?
Khả năng này yếu hoặc không có ở các mô hình nhỏ và tăng vọt khi mô hình đạt quy mô rất lớn, đó là lý do tại sao nó được gọi là mới nổi.
Cơ chế bên trong nào liên quan nhiều nhất đến việc học trong ngữ cảnh trong máy biến áp?
Công việc giải thích đã xác định các đầu cảm ứng - các mạch chú ý tìm nơi xuất hiện một mã thông báo tương tự và sao chép những gì xảy ra tiếp theo - như một động lực cốt lõi của việc học tập trong ngữ cảnh.