এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
ইন্সট্রাকশন টিউনিং
নির্দেশনা-উত্তর জোড়ার উপর একটি পূর্ব-প্রশিক্ষিত মডেলের ফাইন-টিউনিং প্রক্রিয়া, নির্দেশনা অনুসরণ করার ক্ষমতা উন্নত করার জন্য। এই পদ্ধতি জিরো-শট এবং ফিউ-শট লার্নিংয়ের জন্য মডেলকে অপ্টিমাইজ করে।
মেটা-প্রম্পটিং
একটি উন্নত কৌশল যেখানে প্রম্পট নিজেই অন্য একটি মডেল বা স্বয়ংক্রিয় প্রক্রিয়া দ্বারা তৈরি বা অপ্টিমাইজ করা হয়। এই পদ্ধতি প্রতিটি কাজের নির্দিষ্ট বৈশিষ্ট্যের সাথে গতিশীলভাবে প্রম্পটগুলিকে মানিয়ে নিতে দেয়।
জিরো-শট ট্রান্সফার
একটি মডেলের একটি কাজ বা ডোমেনে শেখা জ্ঞান সম্পূর্ণ ভিন্ন কাজে নির্দিষ্ট উদাহরণ ছাড়াই প্রয়োগ করার ক্ষমতা। এই দক্ষতা বৃহৎ পরিসরের সাধারণীকরণের জন্য গুরুত্বপূর্ণ।
ফিউ-শট অ্যাডাপ্টেশন
প্রক্রিয়া যার মাধ্যমে একটি মডেল নতুন কাজের জন্য ন্যূনতম সংখ্যক উদাহরণ থেকে দ্রুত তার আচরণ সামঞ্জস্য করে। অভিযোজন নেটওয়ার্কের ওজন পরিবর্তন ছাড়াই অ্যাক্টিভেশন স্তরে সঞ্চালিত হয়।
প্রম্পট ক্যালিব্রেশন
একটি কাজের নির্দিষ্ট প্রত্যাশার সাথে মডেলের সম্ভাব্যতা বন্টন সারিবদ্ধ করার জন্য প্রম্পটগুলির ফাইন-টিউনিং কৌশল। ক্যালিব্রেশন ভবিষ্যদ্বাণীর নির্ভরযোগ্যতা এবং সামঞ্জস্য উন্নত করে।
কনটেক্সচুয়াল প্রম্পটিং
প্রম্পটিং পদ্ধতি যা আরও সঠিক উত্তরগুলির দিকে মডেলকে নির্দেশিত করার জন্য প্রাসঙ্গিক প্রসঙ্গকে গতিশীলভাবে প্রম্পটে সংহত করে। এই পদ্ধতি উপলব্ধ তথ্যের উপর ভিত্তি করে প্রম্পটকে মানিয়ে নেয়।
মাল্টি-শট লার্নিং
ফিউ-শট লার্নিংয়ের একটি বৈকল্পিক যা প্রসঙ্গে শেখার অপ্টিমাইজ করার জন্য মাঝারি সংখ্যক উদাহরণ (সাধারণত ৫-২০) ব্যবহার করে। এই পদ্ধতি জটিল কাজগুলিতে দক্ষতা এবং কর্মক্ষমতার ভারসাম্য বজায় রাখে।
অ্যাডাপ্টিভ প্রম্পটিং
প্রম্পটিং সিস্টেম যা মডেলের পূর্ববর্তী উত্তর এবং কর্মক্ষমতা মেট্রিক্সের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে প্রম্পটগুলিকে সামঞ্জস্য করে। এই গতিশীল অভিযোজন বাস্তব সময়ে মিথস্ক্রিয়া অপ্টিমাইজ করে।
প্রম্পট এনসেম্বল
একই কাজের জন্য বিভিন্ন প্রম্পট ব্যবহার করে এবং তাদের ফলাফল একত্রিত করে দৃঢ়তা ও নির্ভুলতা উন্নত করার কৌশল। প্রম্পট এনসেম্বল সমস্যার বিভিন্ন দৃষ্টিভঙ্গি কাজে লাগায়।