原书出处
大语言模型-基础与前沿 (熊涛)
05 第5章 上下文学习和轻量级微调
本组成。相关示范的选择对于泛化至关重要。虽然以往的研究侧重于孤立地研究每个样本的相关性,但考虑整个样本集的质量也很重要。
例如,在组合泛化中,仅检索最相似的样本是不够的。Levy等提出了两种增加示范集多样性的方法,即基于覆盖率的多样性和选择最不相似的样本。他们发现,基于覆盖率的多样性会带来更好的表现。
所提出的方法可用于“纯粹的”ICL设置,而无须微调,也可以与微调相结合,以示范作为输入来训练模型。不过,可以通过在训练过
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大语言模型-基础与前沿 (熊涛)/_epub-src/EPUB/xhtml/chapter7.xhtml
EPUB SHA-256:1bd3e387da1e881a4b6e0214f2c7df6e30d5cdbd1f602c69fc88edacffe6743d