네, 맞는 말씀이네요.. 실제로 인간처럼 학습하지는 않거든요!
이 스레드에서는 전통적인 인간의 장기 학습이 아니라 컨텍스트 학습과 관련된 방법론에 대해 이야기하고 있는 것 같습니다. 비록 일시적이긴 하지만, 최신 모델들이 달성하고 있는 엄청나게 큰 컨텍스트 크기(예: 100만 토큰 이상) 덕분에 컨텍스트 학습은 정말로 흥미로워지고 있습니다.
예를 들어.. 특정 모델이 라플라스 확률 원지에 대한 지식이 필요한 질문에 더 안정적으로 답변하도록 하려면, 컨텍스트/프롬프팅 접근 방식을 통해 하드코딩된 시스템 프롬프트나 벡터 DB 검색 등을 사용하여 해당 컨텍스트를 입력할 수 있습니다.
라플라스 지식이 담긴 작은 문서(약 1,000단어)를 업로드하여 수행한 실험 예시는 다음과 같습니다.
가정:
- 봇은 라플라스에 대해 사전 학습되지 않았습니다(위 실패 사례 참조)..
- 특정 지식에 대해 봇은 해당 Discourse 인스턴스에 있는 내용으로 제한됩니다
커스텀 페르소나 설정
(플러그인 전문가분들, 필요시 수정해 주세요!)
AI
활성화? 예
우선순위? 예
채팅 허용? 예
멘션 허용? 예
이름: AlphaBot
설명: 라플라스 지식을 가진 확률 퍼즐 봇
기본 언어 모델: GeminiPro
활성화 명령어: 검색, 카테고리, 읽기
시스템 프롬프트:
라플라스 확률 비교 방법을 설명하는 로컬에서 제공된 컨텍스트를 사용하여 질문에 답변하세요. 가능한 한 철저하고 포괄적으로 답변하되, 웹이나 외부 출처를 검색하지 마세요. 로컬 컨텍스트만 사용하고 라플라스 기법을 사용하는 데 집중하세요.
업로드: Laplace-tutorial.txt
지시문에 이미 포함되어 있기 때문에 라플라스를 언급할 필요가 없다는 점을 주목하세요:
