Τι είναι Zero-Shot και Few-Shot Learning;
Zero-shot learning είναι η ικανότητα ενός LLM να εκτελεί μια εργασία μόνο από την περιγραφή της, χωρίς παραδείγματα. Few-shot learning χρησιμοποιεί λίγα παραδείγματα (συνήθως 1-10) στο prompt για να «δείξει» στο μοντέλο τι αναμένεται.
Αυτές οι δυνατότητες είναι μοναδικές στα μεγάλα μοντέλα και δεν υπήρχαν σε μικρότερα εξειδικευμένα μοντέλα — αποτελούν παράδειγμα αναδυόμενων ικανοτήτων.
Πότε Χρησιμοποιείται Το Καθένα
Zero-shot: κατάλληλο για εργασίες που περιγράφονται εύκολα σε φυσική γλώσσα — ταξινόμηση συναισθήματος, μετάφραση, Q&A. Few-shot: αποτελεσματικότερο για εξειδικευμένες μορφές εξόδου, τεχνικές εργασίες ή εκεί που το μοντέλο χρειάζεται παραδείγματα για τυποποίηση εξόδου.
In-Context Learning
Τόσο zero-shot όσο και few-shot βασίζονται στο in-context learning — η ικανότητα LLMs να «μαθαίνουν» από παραδείγματα που παρέχονται στο context window χωρίς ενημέρωση βαρών. Αυτό είναι θεμελιωδώς διαφορετικό από το παραδοσιακό machine learning όπου το μοντέλο πρέπει να επανεκπαιδευτεί.