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
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
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