零样本提示

零样本提示

如今，

经过大量数据训练并调整指令的LLM能够执行零样本任务。

---

我们在前一节中尝试了一些零样本示例。

---

以下是我们使用的一个示例：

提示：

将文本分类为中性、负面或正面。

文本：我认为这次假期还可以。

情感：

输出：

中性

请注意，

在上面的提示中，

我们没有向模型提供任何示例——这就是零样本能力的作用。

---

指令调整已被证明可以改善零样本学习

Wei等人（2022）

---

指令调整本质上是在通过指令描述的数据集上微调模型的概念。

---

此外，

RLHF（来自人类反馈的强化学习）已被采用以扩展指令调整，

其中模型被调整以更好地适应人类偏好。

---

这一最新发展推动了像ChatGPT这样的模型。

---

我们将在接下来的章节中讨论所有这些方法。

---

当零样本不起作用时，

建议在提示中提供演示或示例，

这就引出了少样本提示。

---

在下一节中，

我们将演示少样本提示。