Is Prompt All You Need? No. A Comprehensive and Broader View of Instruction Learning

514 篇文章 3 订阅

已下架不支持订阅

本文是LLM系列文章,针对《Is Prompt All You Need? No. A Comprehensive and Broader View of Instruction Learning》的翻译。

摘要

任务语义可以通过一组输入输出示例或一条文本指令来表达。用于自然语言处理(NLP)的传统机器学习方法主要依赖于大规模任务特定示例集的可用性。出现了两个问题:首先,收集特定于任务的标记示例不适用于任务可能过于复杂或昂贵而无法注释的场景,或者系统需要立即处理新任务的场景;其次,这不是用户友好的,因为最终用户可能更愿意在使用该系统之前提供任务描述,而不是一组示例。因此,社区对NLP的一种新的监督寻求范式越来越感兴趣:从任务指令中

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

已下架不支持订阅

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值