Глоссарий ИИ
Полный словарь искусственного интеллекта
Обучение без привязки к задаче
Подход к обучению, при котором модели изучают общие представления без оптимизации под конкретные задачи. Этот метод способствует гибкости и способностям переноса на новые приложения.
Междоменный перенос
Способность модели применять знания, полученные в одной области, к задачам в совершенно другой области. Эта переносимость имеет решающее значение для успеха обучения без примеров.
Фундаментальные модели
Крупномасштабные модели, предварительно обученные на огромных и разнообразных данных, служащие основой для множества последующих приложений. Эти модели составляют основу современного обучения без примеров.
Самосогласованность
Метод вывода, который генерирует несколько рассуждений для одной и той же проблемы и выбирает наиболее частый ответ. Этот подход повышает надежность ответов без примеров, используя избыточность.
Емкость модели
Мера сложности и количества параметров, которые модель может эффективно использовать для хранения знаний. Достаточная емкость является предварительным условием для появления способностей к работе без примеров.
Адаптация к задаче
Процесс, при котором предварительно обученная модель динамически подстраивается под новую конкретную задачу во время вывода. Эта адаптация без переобучения лежит в основе обучения без примеров.
Разрыв обобщения
Разница в производительности между задачами, виденными во время обучения, и совершенно новыми задачами. Сокращение этого разрыва является фундаментальной целью обучения без примеров.
Промптинг без примеров
Техника, заключающаяся в предоставлении модели только описания задачи без каких-либо примеров для направления ее ответа. Этот метод напрямую проверяет способности модели к обобщению.