A few-shot tanulás olyan megközelítés, ahol a modell néhány példából is képes megtanulni egy új feladatot.
A hagyományos ML több ezer példát igényel, míg a few-shot tanulás elegendő néhány jól kiválasztott minta. Ez a modern LLM-ek egyik erőssége.
Csökkenti a tanításhoz szükséges adatmennyiséget és költséget.
ChatGPT-nek megmutatunk 2–3 példát egy e-mail stílusára, és képes hasonlókat írni.
Az embedding olyan technika, amely a szavakat vagy más elemeket számsorozatként (vektorként) ábrázolja, hogy a gép fel tudja dolgozni őket.
Egy előre betanított modellt speciális adatokkal tovább tanítanak egy adott célra.
Az LLM olyan nyelvi modell, amely hatalmas mennyiségű szöveges adaton tanul, és képes összetett, emberihez hasonló szövegeket létrehozni.
A prompt engineering az a technika, amikor tudatosan és strukturáltan tervezünk meg promptokat, hogy az AI a lehető legjobb választ adja.
A tanítókészlet az a konkrét adathalmaz, amelyet az AI-modell betanítására használnak.
A transfer learning olyan módszer, amelyben egy előre betanított modellt új feladatra finomhangolnak.
A transformer egy neurális hálózati architektúra, amely hatékonyan dolgozza fel a szöveges adatokat.
A zero-shot tanulás olyan AI-technika, amely lehetővé teszi, hogy a modell olyan feladatokat oldjon meg, amelyeket korábban nem tanítottak neki közvetlenül.
