概述
上下文學習是大型語言模型令人驚訝的能力，可以從提示中的幾個範例中獲得新任務，而無需任何重新訓練。這就是為什麼你可以透過向模型展示你想要的內容來即時「教授」模型。
情境學習是語言人工智慧堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。
深入探討
通常，向神經網路教授新任務意味著透過訓練更新其權重。上下文學習是不同的：您直接在提示（“上下文”）中編寫一些示例，模型推斷模式並將其應用到新的輸入。模型內部沒有任何變化；這些例子只是引導下一個標記的預測。您將聽到“零次”（僅說明）、“一次”（一個示例）和“幾次”（幾個示例）。這種行為在 2020 年由 GPT-3 推廣，並被證明是一種新興能力：微小的模型無法做到這一點，但超過大約 1000 億個參數的規模，幾次提示的準確性急劇上升。該模型在預訓練期間有效地學會了識別和繼續模式，因此它可以在推理時重複使用該技能。
技術洞察
可解釋性研究將這種能力很大程度上追溯到「歸納頭」——訓練過程中出現的注意力迴路，並執行模糊前綴匹配：它們回掃相似標記出現的位置，然後複製其後面的內容。因此，當您的提示顯示「蘋果 -> 水果、胡蘿蔔 -> 蔬菜」時，模型會匹配結構並預測下一個項目的正確標籤。至關重要的是，推理時沒有梯度流動，也沒有權重更新。這些範例只是重塑了提供下一個標記機率分佈的活化。
掌握情境學習
上下文學習是大型語言模型令人驚訝的能力，可以從提示中的幾個範例中獲得新任務，而無需任何重新訓練。這就是為什麼你可以透過向模型展示你想要的內容來即時「教授」模型。情境學習是語言人工智慧堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。為了建立深入的理解，請將情境學習視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用情境學習的強大團隊將提示、檢索和審查循環設計為一個整合的通訊系統。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
語言工作流程可以在不犧牲一致性的情況下更快地移動。同時，幻覺事實可以悄悄地進入報告、支持流程或研究成果。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
語言工作流程可以在不犧牲一致性的情況下更快地移動。
語言工作流程可以在不犧牲一致性的情況下更快地移動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
它擴展了跨語言和溝通方式的訪問。
它擴展了跨語言和溝通方式的訪問。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
為聊天機器人提供三個範例支援票證及其類別，然後讓它以相同的方式對新票證進行分類
顯示一個模型，前後兩對混亂的文本被重新格式化為乾淨的 JSON，以便它轉換其餘的文本
以您的品牌基調貼上一些範例產品描述，以便新產品與風格相匹配
逐步示範棘手的數學單字問題，以便模型使用相同的推理格式解決類似的問題
實施模式
實踐中的情境學習
為聊天機器人提供三個範例支援票證及其類別，然後讓它以相同的方式對新票證進行分類。
為聊天機器人提供三個範例支援票證及其類別，然後讓它以相同的方式對新票證進行分類。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的情境學習
顯示一個模型，前後兩對混亂的文字被重新格式化為乾淨的 JSON，以便它轉換其餘的文字。
顯示模型之前/之後的兩對混亂文本，它們被重新格式化為乾淨的 JSON，以便將其餘文本轉換。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的情境學習
以您的品牌基調貼上一些範例產品描述，以便新產品與風格相匹配。
以您的品牌基調貼上幾個範例產品描述，以便新產品與風格相匹配。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
實踐中的情境學習
逐步演示棘手的數學單字問題，因此模型可以使用相同的推理格式解決類似的問題。
逐步示範棘手的數學單字問題，以便模型能夠使用相同的推理格式解決類似的問題。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
幻覺的事實可以悄悄地進入報告、支持流程或研究成果。
及時的敏感性可能會在類似的請求中產生不一致的結果。
如果存取控制薄弱，敏感文字資料可能會暴露。
實施路線圖
在推出之前定義輸出格式、語氣和品質標準。
在推出之前定義輸出格式、語氣和品質標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
當準確性很重要時，請使用可信任來源進行地面回應。
當準確性很重要時，請使用可信任來源進行地面回應。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為高風險輸出保留人工審查檢查點。
為高風險輸出保留人工審查檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤故障模式並定期重新訓練提示或工作流程。
追蹤故障模式並定期重新訓練提示或工作流程。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。