AI TELJESÍTMÉNY
A stratégiai promptolás lehetővé teszi a frontier modellek számára, hogy túlszárnyalják a specializált fine-tuningot
A Microsoft egyik tanulmánya bemutatta, hogyan tehetik lehetővé a hatékony promptolási stratégiák az olyan frontier modelleknek, mint a GPT-4, hogy még a szakterületükre specializált, fine-tunolt LLM-eket is lekörözzék, mint például a Med-PaLM 2-t. Ez megkérdőjelezi azt az általános feltételezést, miszerint a terület-specifikus fine-tuning minden szakmai feladathoz elengedhetetlen. A DeepMind egy másik tanulmánya rámutatott, hogy az olyan egyszerű taktikák, mint az LLM-eknek kiadott „Vegyél egy mély levegőt” utasítás a válaszadás előtt, akár 9%-os pontosságnövekedést is eredményezhetnek. Ezek a kutatások rávilágítanak arra, hogy a nyelvi modellek egyre jobban képesek igazodni a felhasználói szándékokhoz a jól megfogalmazott promptek által, építészeti változtatások nélkül is.
- A GPT-4 kizárólag promptolás segítségével ért el a Med-PaLM 2-nél jobb eredményeket az orvosi területeken.
- Az egyszerű utasítások jelentős teljesítménynövekedést hozhatnak a modell újratanítása nélkül.
- A promptolás a modell „agyának” olyan specifikus részeit mozgatja meg, amelyek írásstílusokra vagy mély tudástárakra specializálódtak.
- Az általános modellekben rejlő látens tudás gyakran elegendő a specialistákkal való versenyhez, ha a prompt optimalizált.
Miért fontos?
Ez az eltolódás azt sugallja, hogy a promptolás elsajátítása költséghatékonyabb és rugalmasabb lehet sok fejlesztő számára, mint a modellek erőforrás-igényes fine-tuningja specializált adathalmazokon. ---