Совершенный нейро-фанфик (Часть I)

===

Запрос без примеров (Zero-Shot Prompting) Современные нейросети (LLM), такие как GPT-3.5, GPT-4 и Claude 3, настроены на выполнение инструкций и обучены на огромных объемах данных. Благодаря масштабному обучению, модели способы выполнять некоторые задачи в режиме «без примеров». Запросы без примеров означают, что промпт, используемый для взаимодействия с моделью, не содержит примеров или демонстраций. Такой промпт напрямую инструктирует модель выполнить задачу без каких-либо дополнений. Мы попробовали несколько примеров запросов без примеров в прошлых разделах. Вот один из примеров (т.е. классификация текста), который мы использовали:       Запрос:       Классифицируй текст как нейтральный, отрицательный или положительный.       Текст: Я думаю, что отпуск нормальный.       Настроение: ?       Результат: Нейтральное Обратите внимание, что в приведенном выше промпте мы не предоставили модели никаких примеров текста вместе с их классификациями. LLM уже понимает «настроение» — это и есть zero-shot prompting в действии. Ученые обнаружили, что если научить искусственный интеллект (ИИ) следовать инструкциям, он становится умнее даже без дополнительных примеров. Это как учить человека не просто запоминать факты, а понимать, как выполнять разные задания. Чтобы достичь этого, ИИ «тренируют» на специальных данных, которые содержат много разных инструкций. Это помогает ИИ лучше понимать, чего от него хотят. Потом появился новый способ обучения — с помощью отзывов реальных людей. ИИ выполняет задания, люди оценивают результат, и ИИ учится на этих оценках. Это похоже на то, как учитель исправляет ошибки ученика. Этот метод использовался при создании ChatGPT и других современных ИИ-помощников. Благодаря ему они лучше понимают, что нужно людям, и дают более полезные ответы. Если же такие варианты как простой запрос не работают, то рекомендуется предоставить какие-либо наглядные демонстрации или примеры в вашем запросе. Это уже приводит нас к запросу с примерами (few-shot prompting). Мы их рассмотрим в следующей главе.

===