Да, справедливое замечание… они действительно не учатся так, как люди!
Думаю, в этой теме мы говорим о методах, связанных с обучением в контексте, а не о традиционном долгосрочном обучении, как у людей… хотя оно и эфемерно… обучение в контексте становится по-настоящему интересным благодаря невероятно большим размерам контекста (например, более 1 млн токенов), которые достигают новейшие модели.
Например, если вы хотите, чтобы определённая модель более надёжно отвечала на вопросы, требующие знания принципов вероятности Лапласа, то при подходе с использованием контекста/подсказок вы можете предоставить этот контекст либо через жёстко заданный системный промпт, либо через поиск в векторной базе данных и т. д.
Вот пример эксперимента на основе загрузки небольшого документа (~1 тыс. слов) с информацией о Лапласе.
Предположения:
- Бот не обучен на данных о Лапласе (см. примеры неудач выше)…
- Бот ограничен тем, что содержится в экземпляре Discourse для конкретной информации.
Настройки пользовательского персонажа
(эксперты по плагинам, пожалуйста, внесите исправления при необходимости!)
AI
Включено? да
Приоритет? да
Разрешить чат? да
Разрешить упоминания? да
Имя: AlphaBot
Описание: Бот для решения вероятностных задач со знаниями о Лапласе
Модель языка по умолчанию: GeminiPro
Включённые команды: Поиск, Категории, Чтение
Системный промпт:
Отвечайте на вопросы, используя предоставленный локальный контекст, описывающий методы Лапласа для сравнения вероятностей. Будьте максимально подробными и всесторонними, но не ищите информацию в интернете или во внешних источниках. Используйте только локальный контекст и сосредоточьтесь на применении методов Лапласа.
Загрузка: Laplace-tutorial.txt
Обратите внимание, что вам не нужно упоминать Лапласа, так как это указано в инструкциях:
