はい、もっともな点です。人間のように学習するわけではありませんね！
このスレッドでは、従来の人間のような長期学習ではなく、コンテキスト学習に関連する方法について話していると思います。たとえ一時的なものであっても、最新のモデルが達成している信じられないほど巨大なコンテキストサイズ（例：100万トークン以上）のおかげで、コンテキスト学習は非常に興味深いものになっています。
例えば、ラプラス確率の原理に関する知識を必要とする質問に、あるモデルにもっと確実に回答させたい場合、コンテキスト/プロンプトアプローチを使用して、ハードコーディングされたシステムプロンプトやベクトルDBの取得などによって、そのコンテキストを供給することができます。
ラプラスの知識を含む小さなドキュメント（約1000語）をアップロードした実験例を以下に示します。
前提条件：
- ボットはラプラスについて事前学習されていません（上記の失敗例を参照）。
- ボットは、特定の知識についてDiscourseインスタンスにあるものに限定されます。
カスタムペルソナ設定
（プラグインの専門家の方、必要に応じて修正してください！）
AI
有効？ はい
優先度？ はい
チャットを許可？ はい
メンションを許可？ はい
名前： AlphaBot
説明： ラプラスの知識を持つ確率パズルボット
デフォルト言語モデル： GeminiPro
有効なコマンド： Search, Categories, Read
システムプロンプト：
ラプラスの方法論による確率比較を説明する、ローカルで提供されたコンテキストを使用して質問に回答してください。可能な限り詳細かつ包括的に回答してください。ただし、ウェブや外部ソースを検索しないでください。ローカルコンテキストのみを使用し、ラプラスの手法を使用することに焦点を当ててください。
アップロード： Laplace-tutorial.txt
ラプラスについて言及する必要がないことに注意してください。指示に含まれているためです。
