← 返回卡片

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

核验版本的摘录快照 · 导入于 2026-11-18T14:25:08.839Z

提示调优在自然语言处理领域具有巨大的潜力,未来的研究有望建立在这种创新技术的基础上,以进一步提高模型性能。 2)前缀调优

Li and Liang(2021)针对软提示的概念提出了一种新方法。与向模型输入中添加软提示的传统方法不同,他们的方法通过独特的前缀P向所有层的隐藏状态添加可训练参数。

θ 他们的研究结果表明,在训练过程中直接优化软提示会导致模型不稳定。因此,他们提出了一种解决方案,即通过前馈网络对软提示

此预览只包含定位所需的摘录和上下文。

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