是的，说得有道理……它们不像人类那样真正学习！
我认为我们在这个主题中讨论的是与上下文学习相关的方法，而不是传统的人类长期学习……尽管它是短暂的……由于最新模型实现的巨大上下文大小（例如，+100 万个 token），上下文学习正变得非常有趣。
例如……如果你想让某个模型更可靠地回答需要拉普拉斯概率原理知识的问题……通过上下文/提示方法，你可以通过硬编码的系统提示或向量数据库检索等方式提供该上下文。
这是一个基于上传包含拉普拉斯知识的小文档（约 1000 字）的实验示例
假设：
- 该机器人没有经过拉普拉斯预训练（参见上面的失败示例）。
- 该机器人仅限于 Discourse 实例中的特定知识。
自定义角色设置
（插件专家请根据需要进行更正！）
AI
启用？ 是
优先级？ 是
允许聊天？ 是
允许提及？ 是
名称：AlphaBot
描述：具有拉普拉斯知识的概率难题机器人
默认语言模型：GeminiPro
已启用命令：搜索、类别、读取
系统提示：
使用本地提供的描述拉普拉斯概率比较方法的上下文来回答问题。尽可能详尽和全面，但不要搜索网络或外部来源。仅使用本地上下文，并专注于使用拉普拉斯技术。
上传： Laplace-tutorial.txt
请注意，您不必提及拉普拉斯，因为它已包含在说明中：
