Glossário IA
O dicionário completo da Inteligência Artificial
Treinamento Agnóstico à Tarefa
Abordagem de treinamento onde os modelos aprendem representações gerais sem otimizar para tarefas específicas. Este método favorece a flexibilidade e as capacidades de transferência para novas aplicações.
Transferência entre Domínios
Capacidade de um modelo aplicar conhecimentos adquiridos em um domínio para tarefas em um domínio completamente diferente. Esta transferibilidade é crucial para o sucesso do aprendizado zero-shot.
Modelos de Base
Modelos em larga escala pré-treinados em dados massivos e diversificados, servindo como base para múltiplas aplicações subsequentes. Estes modelos constituem a espinha dorsal do aprendizado zero-shot moderno.
Autoconsistência
Método de inferência que gera múltiplos raciocínios para um mesmo problema e seleciona a resposta mais frequente. Esta abordagem melhora a confiabilidade das respostas zero-shot explorando a redundância.
Capacidade do Modelo
Medida da complexidade e do número de parâmetros que um modelo pode usar efetivamente para armazenar conhecimentos. Uma capacidade suficiente é pré-requisito para a emergência das capacidades zero-shot.
Adaptação à Tarefa
Processo pelo qual um modelo pré-treinado se ajusta dinamicamente a uma nova tarefa específica durante a inferência. Esta adaptação sem retreinamento está no centro do aprendizado zero-shot.
Lacuna de Generalização
Diferença de desempenho entre tarefas vistas durante o treinamento e tarefas totalmente novas. Reduzir esta lacuna é o objetivo fundamental do aprendizado zero-shot.
Prompting Zero-shot
Técnica que consiste em fornecer a um modelo apenas uma descrição da tarefa sem nenhum exemplo para guiar sua resposta. Este método testa diretamente as capacidades de generalização do modelo.