You cannot select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
16 lines
885 B
Plaintext
16 lines
885 B
Plaintext
1 year ago
|
# Suuntaa Antava Kehottaminen
|
||
|
|
||
|
import { Callout, FileTree } from 'nextra-theme-docs'
|
||
|
import {Screenshot} from 'components/screenshot'
|
||
|
import DSP from '../../img/dsp.jpeg'
|
||
|
|
||
|
[Li ym., (2023)](https://arxiv.org/abs/2302.11520) ehdottaa uutta kehotetekniikkaa, joka ohjaa LLM:ää paremmin halutun yhteenvedon tuottamiseen.
|
||
|
|
||
|
Säädettävä menettelytapa kielimalli koulutetaan tuottamaan vihjeitä/kannusteita. Kielimallien optimointiin käytetään yhä enemmän vahvistusoppimista (Reinforcement Learning, RL).
|
||
|
|
||
|
Alla oleva kuva näyttää, miten suuntaa antava kehotetekniikka vertautuu tavanomaiseen kehotetekniikkaan. Menettelytapa-kielimalli voi olla pieni ja optimoitu tuottamaan vihjeitä, jotka ohjaavat "mustaan laatikkoon jäädytettyä" LLM:ää.
|
||
|
|
||
|
<Screenshot src={DSP} alt="DSP" />
|
||
|
Kuvan lähde: [Li ym., (2023)](https://arxiv.org/abs/2302.11520)
|
||
|
|
||
|
Täysi esimerkki tulossa pian!
|